Criterion 用法

方法
说明

Restrictions.eq


Restrictions.allEq
利用Map来进行多个等于的限制

Restrictions.gt


Restrictions.ge
>=

Restrictions.lt


Restrictions.le
<=
Restrictions.ne
<>

Restrictions.between
BETWEEN

Restrictions.like
LIKE

Restrictions.in
in

Restrictions.and
and

Restrictions.or
or

Restrictions.sqlRestriction
用SQL限定查询




有空再添加上,代码示例。



QBC常用限定方法

Restrictions.eq --> equal,等于.

Restrictions.allEq --> 参数为Map对象,使用key/value进行多个等于的比对,相当于多个Restrictions.eq的效果

Restrictions.gt --> great-than > 大于

Restrictions.ge --> great-equal >= 大于等于

Restrictions.lt --> less-than, < 小于

Restrictions.le --> less-equal <= 小于等于

Restrictions.between --> 对应SQL的between子句

Restrictions.like --> 对应SQL的LIKE子句

Restrictions.in --> 对应SQL的in子句

Restrictions.and --> and 关系

Restrictions.or --> or 关系

Restrictions.isNull --> 判断属性是否为空,为空则返回true

Restrictions.isNotNull --> 与isNull相反

Restrictions.sqlRestriction --> SQL限定的查询

Order.asc --> 根据传入的字段进行升序排序

Order.desc --> 根据传入的字段进行降序排序

MatchMode.EXACT --> 字符串精确匹配.相当于"like 'value'"

MatchMode.ANYWHERE --> 字符串在中间匹配.相当于"like '%value%'"

MatchMode.START --> 字符串在最前面的位置.相当于"like 'value%'"

MatchMode.END --> 字符串在最后面的位置.相当于"like '%value'"

例子
查询年龄在20-30岁之间的所有学生对象
List list = session.createCriteria(Student.class)
.add(Restrictions.between("age",new Integer(20),new Integer(30)).list();
查询学生姓名在AAA,BBB,CCC之间的学生对象
String[] names = {"AAA","BBB","CCC"};
List list = session.createCriteria(Student.class)
.add(Restrictions.in("name",names)).list();
查询年龄为空的学生对象
List list = session.createCriteria(Student.class)
.add(Restrictions.isNull("age")).list();
查询年龄等于20或者年龄为空的学生对象
List list = session.createCriteria(Student.class)
.add(Restrictions.or(Restrictions.eq("age",new Integer(20)),
Restrictions.isNull("age")).list();

--------------------------------------------------------------------
使用QBC实现动态查询
public List findStudents(String name,int age){

Criteria criteria = session.createCriteria(Student.class);
if(name != null){
criteria.add(Restrictions.liek("name",name,MatchMode.ANYWHERE));
}
if(age != 0){
criteria.add(Restrictions.eq("age",new Integer(age)));
}
criteria.addOrder(Order.asc("name"));//根据名字升序排列
return criteria.list();
}



-----------------------------------------------------------------------------------

今天用了写hibernate高级查询时用了Restrictions(当然Expression也是可以以的)这个类.感觉不错.
下面的代码写的不易读.其实核心就是一句
Restrictions.or(Restrictions.like(),Restrictions.or(Restrictions.like,........))
里面的or可以无限加的.还是比较好用

Session session = getHibernateTemplate().getSessionFactory()
.openSession();
Criteria criteria = session.createCriteria(Film.class);
List<Film> list = criteria.add(
Restrictions.or(Restrictions.like("description", key,MatchMode.ANYWHERE),
Restrictions.or(Restrictions.like("name", key,MatchMode.ANYWHERE),
Restrictions.or( Restrictions.like("direct", key,MatchMode.ANYWHERE),
Restrictions.or(Restrictions.like("mainplay",key,MatchMode.ANYWHERE),
Restrictions.like("filearea", key,MatchMode.ANYWHERE)))))).list();

session.close();
return list;
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: criterion()函数是PyTorch中的损失函数。它用于计算模型预测值与真实值之间的差距。使用时,需要将模型的输出和真实标签作为参数传入,它会返回一个标量值表示损失。常用的损失函数有均方误差(MSE)、交叉熵(CrossEntropy)等。例如: ``` criterion = nn.MSELoss() output = model(input) loss = criterion(output, target) ``` 其中,nn.MSELoss()是均方误差损失函数,model(input)是模型的输出,target是真实标签。 ### 回答2: PyTorch是一种基于Python的科学计算库,它为深度学习算法提供了高效的实现方式。在PyTorch中,criterion()函数是一个重要而常用的函数,它主要用来计算代价函数(cost function)或损失函数(loss function),帮助评估预测结果与实际结果之间的差异。在本文中,我们将详细介绍criterion()函数的用法criterion()函数的用法: 在PyTorch中,criterion()函数的用法非常简单,它通常可以接受两个输入参数:(1)预测结果;(2)实际结果。并且,它可以根据实际应用需求进行灵活配置,常见的常见参数包括reduction(用来指定损失函数的计算方法)、size_average(确定是否对损失进行平均)和weight(用来赋予不同样本不同的权重)等。 例如,以下是一个基本的代码示例,用于计算均方误差(Mean Square Error,MSE): loss_fn = nn.MSELoss() loss = loss_fn(output, target) 在此示例中,首先定义了一个nn.MSELoss()对象,并将其赋值给loss_fn变量,然后将预测结果output和实际结果target传递给loss_fn函数,计算出MSE损失值,并将其赋值给loss变量。 以下是另一个示例,用于计算交叉熵损失(Cross-Entropy Loss): loss_fn = nn.CrossEntropyLoss() loss = loss_fn(output, target) 在此示例中,也是定义了一个nn.CrossEntropyLoss()对象,并将其赋值给loss_fn变量。然后将预测结果output和实际结果target传递给loss_fn函数,计算出交叉熵损失值,并将其赋值给loss变量。 需要注意的是,在使用criterion()函数计算损失时,通常需要将数据转换为Tensor格式,并将其发送到GPU上进行计算,以加快计算速度。 最后,criterion()函数在PyTorch中有很多实现方式,常见的包括MSELoss、CrossEntropyLoss、NLLLoss和BCELoss等。选择合适的损失函数需要根据实际需求和数据特征进行选择。 ### 回答3: 在PyTorch中,criterion()函数是一个用于计算损失值的关键函数。它主要用来衡量模型预测值与真实标签值之间的差异程度,即度量模型预测的准确性。 criterion()函数的一般格式为:criterion = nn.XXXLoss(),其中XXX表示损失函数的类型,比如MSELoss、CrossEntropyLoss等。损失函数的类型根据需要进行选择,对于不同的任务需求选择不同的损失函数。比如对于分类任务可以选择CrossEntropyLoss,而对于回归任务可以选择MSELoss等。 criterion()函数的计算基于前向传播的结果以及真实标签值,输出的结果是一个损失值,即预测值与真实值之间的误差。这个损失值可以作为模型的性能评价指标,帮助我们优化模型和调整超参数。 在训练模型时,通常会将criterion()函数与优化器optimizer结合使用,将损失值最小化,以提高模型的准确性。损失函数criterion()函数通常与模型的训练过程一起进行更新,以求得更好的对于测试数据集的预测能力。 总之,criterion()函数是PyTorch中一个常用的用于计算损失值的函数,它可以帮助我们评估模型的预测能力,并通过反向传播将其与优化器optimizer结合使用,来提高模型的准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值