hibernate学习(三)

一.HQL语句
使用HQL查询所有记录
Session session = HibernateUtil.getOpensession();
Transaction transaction = session.beginTransaction();
String hql = "from com.lanou3g.User";
Query<User> query = session.createQuery(hql);
//预见结果集
//多个就用list处理 
//单个就用 uniqueResult
//注意:如果返回的是多个结果,使用uniqueResult会报错
List<User> list = query.list();
transaction.commit();
session.close();
使用问号占位符
//使用HQL查询所有记录
Session session = HibernateUtil.getOpensession();
Transaction transaction = session.beginTransaction();
//使用问号占位符替代
String hql = "from com.lanou3g.User where id = ?";
Query<User> query = session.createQuery(hql);
//从0开始
query.setParameter(0, 2);
User user = query.uniqueResult();
transaction.commit();
session.close();
使用冒号占位符
//:后面是占位符的名字
//注意:冒号后面不要加空格
//替换时 直接使用名字即可
String hql = "from com.lanou3g.User where username = :username and password = :password";
Query<User> query = session.createQuery(hql);
query.setParameter("username", "wanglong");
query.setParameter("password", "123");
User user = query.uniqueResult();
使用hql分页查询
String hql = "from User";
Query<User> query = session.createQuery(hql, User.class);
query.setFirstResult(0);
query.setMaxResults(2);
List<User> list = query.list();
如何配置多表xml文件
1.一对多
name表示实体类对象属性名
column:两张表联系的外键
注意:外键名要一致 否则会多建一个外键
class 与哪个类进行一对多
<set name="" cascade="save-update" inverse="true">
    <key column=""></key>
    <one-to-many class=""/>
/set>	
2.多对一
name表示多对一对象的属性名
class表示的是多对一对象的类
column表示的是外键
注意:在property中配置不要重复配置外键
<many-to-one name="" class="" column=""></many-to-one>
3.多对多
name 容器名字
table 中间表的名字
column 中间表引用的id
class 对应的那个表的类名
column  对应那个表的外键
<set name="users" table="sys_user_role">
    <key column="role_id"></key>
    <many-to-many class="User" column="user_id"></many-to-many>
</set>




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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