传智播客学习日记Day18

无论是好的还是坏的,只要你认为你是怎样的,你就是对的。

今天是单老师上课的第二天,渐渐的习惯了单老师的风格,能更好的调整自己上课的状态了。感觉自己学到很多,而且学习也不是很辛苦。

1.      复习了mysql,校对上一天的练习作业。上一天学习的主要是写sql语句,而且主要涉及的是对数据库的操作命令,和对数据库的增删改查。

2.      jdbc驱动简介:在java中jdbc直接访问数据库。Jdbc是java访问数据库的基石,其他技术都是jdbc的封装。Jdbc(Java Database Connectivity)是一个独立特定数据库管理系统,通用的sql数据库存取和操作的公共接口(一组API),定义了用来访问数据库的标准java类库,使用这个类库可以以一种标准的方法、方便地访问数据库资源,jdbc为访问 不同的数据库提供了一种统一的途径,为开发者屏蔽了一些细节问题。

总结:jdbc本身是java连接数据库的一个标准,是进行数据库连接的抽象层,由java编写的一组类和接口组成,接口的实现由各个数据库厂商来完成。

3.      jdbc分类:

目前有四种可供使用的jdbc驱动程序,不同类型的驱动程序有着不一样的使用方法:

A)Jdbc-odbc桥:桥接器型的驱动程序,必须在使用者端的计算机上事先安装好obdc驱动程序,然后通过jdbc-odbc的调用方法,进而通过odbc类存取数据库。

B)部分本地API部分java驱动程序,也是桥接器型驱动程序之一,如同类型一。在使用者计算机上安装特定的驱动程序,然后通过jdbc-native API桥接器的转换,把java API 调用转换成特定驱动程序的调用方法,进而存取数据库。

C)jdbc网络纯java驱动程序:最大的好处是省去了在使用者计算机上安装任何驱动程序的麻烦,只需在服务器端安装好middleware,而middleware会负责所有存取数据库时必要的转换。

4.Driver接口是所有jdbc驱动程序需要实现的接口。这个接口是提供给数据库厂商使用的,不同数据库厂商提供不同的实现。

5.编写java代码实现数据库的连接有四种方式:

实例代码:

第一种方式://1.创建数据库驱动实例

    Driver driver=new Driver();

    //2.创建连接对象

    Properties info=new Properties();

   

    info.put("user", user);

    info.put("password", password);

    Connection conn=(Connection) driver.connect(url, info);

    //3.执行数据库操作

    System.out.println(conn);

    Thread.sleep(50000);

    //4.释放资源 show processlist查看数据库的当前连接数

    conn.close();

 

在实际开发中最常用的是第三种方式:

//1初始化数据库驱动程序,这时会自动注册驱动

     Class.forName("com.mysql.jdbc.Driver");

     //2创建连接对象

    Connection conn= DriverManager.getConnection(url,user,password);

    //3执行操作

    System.out.println(conn);

   

    //4关闭连接

    conn.close();

6.ResultSet详解:

A)表示数据库结果集的数据表,通过执行查询数据库的语句生成

B)ResultSet对象具有指向当前数据行的光标。最初,光标被放在第一行之前。Next方法可以使光标下移一行。

C)Result接口提供用于从当前行获取列值的获取方法(getBooleangetLong等),也可以使用列的索引。

D)对于获取方法,jdbc驱动程序尝试将底层数据转换为在获取方法中指定的java类型,并返回适当的java值,jdbc规范有一个表,显示允许的从sql类型到ResultSet获取方法所使用的java类型的映射关系。

E)用作获取方法的输入的列名不区分大小写

F)使用列标题获取结果集中的数据时,如果执行select语句中为列使用了别名,调用getXXX方法时传入的列标题名称必须和别名一致。

7.Statement preparedStatement的区别

使用预编译效率更高,可以省去相同的语句重复编译。

使用预编译更安全,使用占位符,可以防止sql语句的注入,数据被破坏。

 

小结:

最常使用的对象DirverManager.Connection.Statement.perparedStatement,ResultSet等。

 

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