Hibernate关系注解

1.非主键字段关联实体 
/**关联指定列(@JoinColumn)
# @JoinColumn用于注释表中的字段,与@Column不同的是它要保存表与表之间关系的字段;
# name属性是用来标记表中对应的字段的名称。如果不设置name的值,默认情况下,name的取值规则如下:
    name=关联的表的名称 + "_" + 关联表主键的字段名
# 默认情况下,关联的实体的主键一般用来做外键的。如果不想用主键作为外键,则需要设置referencedColumnName属性,如:
    @JoinColumn(name="address_id", referencedColumnName="ref_id")
# @JoinColumn可以与@OneToOne、@ManyToOne或@ManyToMany标记同时使用。
*/
@OneToOne(targetEntity = AreaEntity.class)
@JoinColumn(name="parent_code",referencedColumnName = "area_code")
public AreaEntity  areaEntity;
2.
@Table(name = "test_formula")
class TestFprmula {
@Column(name = "user_id", length = 25)  
private String userId;  
/** 
* 虚拟字段:根据userId从user_info表获取中文名 
*/ 
@Formula("(select t.user_name from user_info t where t.user_id = user_id)") 
private String userName;  
/*
表示这个字段的值,是表user_info 中user_name 的值,过滤条件是
user_id =当前实体类userId对应的列值
*/
}
3.mappedBy 建立双向关联
1>只有OneToOne,OneToMany,ManyToMany上才有mappedBy属性,ManyToOne不存在该属性; 
2>mappedBy标签一定是定义在被拥有方的,他指向拥有方;
@Table(name = "test_a")
Class A {
@Column(name = "b_id") 
private int bId;
@OneToOne(cascade = CascadeTye.ALL)
@JoinColumn(name="b_id")
public B  b;
}
@Table(name = "test_b")
Class B {
@OneToOne(cascade = CascadeType.ALL,mappedBy = "b",optional = false)  
public A a;
}
/*mappedBy:它表示当前所在表和A的关系是定义在A里面的b这个成员上面的,
他表示此表是一对一关系中的从表,也就是关系是在test_a表中维护的,这是最重要的。
A表是关系的维护者,有主导权,它有个外键指向b。 
*/


4.oneToMany
表结构如下:
   TABLE customer(id int, name varcher, PRIMARY KEY id)
   TABLE address(id int, address_name varcher, zipcode varcher, city varcher, PRIMARY KEY id)
   TABLE ref_customer_address(customer_id int not null, address_id int not null unique)
将表customer映射为CustomerEO实体,代码如下:
    @Entity
    @Table(name="customer")
    public class CustomerEO implement Serializable{
        @Id
        @GeneratedValue(stragegy=GenerationType=AUTO)
        private int id;


        @OneToMany(casade={CascadeTypeType.ALL})
        @JoinTable(name="ref_customer_address",
          joinColumns={@JoinColumn(name="customer_id",referencedColumnName="id")},
          inverseJoinColumn={@JoinColumn(name="address_id",referencedColumnName="id")}
       )
        public Collection<AddressEO> getAddress() {
              return address;
        }
        ....
    }
# name属性为连接两个表的表名称。若不指定,则使用默认的表名称,格式如下:
      "表名1" + "_" + "表名2"
# joinColumn属性表示,在保存关系的表中,所保存关联关系的外键的字段,并配合@JoinColumn标记使用;
# inverseJoinColumn属性与joinColumn类似,它保存的是保存关系的另外一个外键字段;
# catalog和schema属性表示实体指定点目录名称或数据库名称;
# uniqueConstraints属性表示该实体所关联的唯一约束条件,一个实体可以有多个唯一约束条件,默认没有约束;
注意:@JoinTable不仅能够定义一对多的关联,也可以定义多对多表的关联。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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