DB2常用命令

DB2常用命令

1.启动实例(db2inst1):实例相当于informix中的服务

db2star

2.停止实例(db2inst1):

db2stop

3.列出所有实例(db2inst1)

db2ilist

4.列出当前实例:

db2 get instance

5.察看示例配置文件:

db2 get dbm cfg|more

6.更新数据库管理器参数信息:

db2 update dbm cfg using para_name para_value

7.创建数据库:

db2 create db test

8.察看数据库配置参数信息

db2 get db cfg for test|more

9.更新数据库参数配置信息

db2 update db cfg for test using para_name para_value

10.删除数据库:

db2 drop db test

11.连接数据库

db2 connect to test

12.列出所有表空间的详细信息。

db2 list tablespaces show detail

13.列出容器的信息

db2 list tablespace containers for tbs_id show detail

13.创建表:

db2 ceate table tb1(id integer not null,name char(10))

14.列出所有表

db2 list tables

15.插入数据:

db2 insert into tb1 values(1,’sam’);

db2 insert into tb2 values(2,’smitty’);

16.查询数据:

db2 “select * from tb1”

17.删除数据:

db2 delete from tb1 where id=1

18.创建索引:

db2 create index idx1 on tb1(id);

19.创建视图:

db2 create view view1 as select id from tb1

20.查询视图:

db2 select * from view1

21.节点编目

db2 catalog tcp node node_name remote server_ip server server_port

22.察看端口号

db2 get dbm cfg|grep SVCENAME

23.节点的附接

db2 attach to node_name

24.察看本地节点

db2 list node direcotry

25.节点反编目

db2 uncatalog node node_name

26.数据库编目

db2 catalog db db_name as db_alias at node node_name

27.察看数据库的编目

db2 list db directory

28.连接数据库

db2 connect to db_alias user user_name using user_password

29.数据库反编目

db2 uncatalog db db_alias

30.导出数据

db2 export to myfile of ixf messages msg select * from tb1

31.导入数据

db2 import from myfile of ixf messages msg replace into tb1

32.导出数据库的所有表数据

db2move test export33.生成数据库的定义

db2look -d db_alias -a -e -m -l -x -f -o db2look.sql

34.创建数据库

db2 create db test1

35.生成定义

db2 -tvf db2look.sql

36.导入数据库所有的数据

db2move db_alias import

37.重组检查

db2 reorgchk

38.重组表tb1

db2 reorg table tb1

39.更新统计信息

db2 runstats on table tb1

40.备份数据库test

db2 backup db test

41.恢复数据库test

db2 restore db test

42. 拥有实例的所有程序列表

db2 list application

43.

db2 terminate

44.查看数据表结构

db2 “describe select * from ggwdxtcs”

/*启动命令界面 */ db2cmd

/*查看帮助*/ db2 ? *

/*连接数据库*/ db2 connect to user using/*查看数据库实例*/ db2ilist

/*启动数据库*/ db2start

/*停止数据库应用*/ db2 force applications all

/*停数据库*/ db2stop

/*查看表空间* db2 list tablespaces show detail/*查看表是否有记录*/ db2 select count(*) from/*从文本导入到数据库表中*/ db2 import from ***.ixf of ixf modified by forcein commitcount 1000 insert intomodified by forcein /*数据库数据在AIX 和 windows 不同版本之间的格式转换*/

commitcount **** /*防止数据库提交过多,引起交易日志满,1000-5000 为宜*/

例子:db2 "import from c:\zj\321104\bbsybsj.ixf of ixf modified by forcein insert into bbsybsj"

/*查看sql语句错误解释*/ db2 ? sql**** ****为四位出错编码,不足位前补0

db2 ? “sqlstate”

db2 ? sqlstate=42884

db2 “select * from syscat.functions” |grep –i rtrim

db2 “select * from syscat.indexes”表增加列

db2 alter table 表名 add column 字段名 varchar(4)(字段类型)

修改表里的字段

db2 update 表名 set 字段名='xxx' where .....

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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