DB 复习

点击打开链接json

create function one()
	returns integer as
	$$
	select 1 as result;
	$$
	language sql;

create function add_int(integer,integer)
	returns integer as
	$$
	select $1 + $2;
	$$
	language sql;


-- t4
create function write_to_temp(id integer, name varchar(20)) 
	RETURNS integer AS
	$$
	insert into temp(id, name) VALUES($1, $2)
	returning id;
	$$
	language sql VOLATILE;

create or replace function delete_from_temp(id integer)
	returns integer as
	$$
	delete from temp where id = $1
		returning id;
	$$
	language sql VOLATILE;

create or replace function update_temp(id integer,name varchar(20))
	returns integer as
	$$
	update temp set name = $2 where id = $1
		returning id;
	$$
	language sql VOLATILE;

create or replace function select_temp(id integer)
	returns varchar(20) as
	$$
	select name from temp where id = $1;
	$$
	language sql VOLATILE;

-- t1
create function say(varchar(20))
	returns varchar(20) as
	$$
	select $1;
	$$
	language sql;

-- t5
create type combo_nation as (nationkey integer,nationname char(25));
create or replace function get_nations(region_name varchar(20))
	returns setof combo_nation as
	$$
	select n.n_nationkey, n.n_name from nation n, region r
	where r.r_name = $1 and r.r_regionkey = n.n_regionkey;
	$$
	language sql;

select count(o_orderkey)
from orders
where cast (o_orderdate as varchar(20)) like '1997%';

create or replace function get_order_count(varchar(20))
	returns bigint as
	$$
	select count(o_orderkey)
	from orders
	where cast (o_orderdate as varchar(20)) like $1||'%';
	$$
	language sql;

-- t2
create or replace function mypower(a double precision, b double precision)
	returns double precision as
	$$
	select a^b
	$$
	language sql;

-- t3
create or replace function mymod(a integer, b integer)
	returns integer as
	$$
	select a%b
	$$
	language sql;

-- t6
create function square(numeric[2],numeric)
	returns numeric[2] as
	$$
	select array[$1[0]^2,$1[1]^2];
	$$
	language sql IMMUTABLE;

create function mean(numeric[2])
	returns numeric as
	$$
	select ($1[0]^2+$1[1]^2)/2
	$$
	language sql IMMUTABLE;

create aggregate square_mean (numeric[2])
(
    sfunc = square,
    stype = numeric[],
    finalfunc = mean 
);

-- t7
create type mytype as (id integer,name char(25), age integer);
create function setmytype(integer, char(25),integer)
	returns id as
	$$
	set copy.id = $1,
	$$

Python 连接数据库执行操作

import psycopg2
conn = psycopg2.connect(database="testdb", user="postgres", password="password", host="127.0.0.1", port="5432")
print "Opened database successfully"
cur = conn.cursor()
cur.execute(“…")
conn.commit()
cur.close()
conn.close() 


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