SQL笔记

SQL分类

1.DDL (操作数据库,数据表的SQL)
2.DML (操作数据表数据的SQL,增删改)
3.DQL (查询数据表的数据的SQL)
4.DCL (设置数据库访问权限的SQL)

DDL (操作数据库,数据表的SQL)

数据库

查看有多少个数据库
SHOW DATABASES;
创建数据库
CREATE DATABASE IF NOT EXISTS LXDB(数据库名称) CHARATER SET UTF8;
查看数据库的建库语句,查看数据库使用的字符集
SHOW CREATE DATABASE LXDB(数据库名称);

查看数据库使用的字符集

查看当前正在使用的数据库
SELECT  DATABASE();
选中or切换数据库 USE
USE LXDB(数据库名称);
修改数据库的字符集
ALERT DATABASE LXDB CHARACTER SET UTF8;
删除数据库
DROP DATABASE  IF EXISTS LXDB;

数据表

查看当前数据库中有多少张表
SHOW TABLES;
创建表 CREATE
新增一张表
CREATE TABLE IF NOT EXISTS TB_STUDENT(
	ID INT,
	NAME VARCHAR(32),
	AGE INT,
	SCORE DOUBLE(4,1), -- 最多4位,保留小数点后一位
	BIRTHDAY DATA,
	INSERT_TIME TIMESTAMP
);
复制表 LIKE
CREATE TABLE IF NOT EXISTS TB_STU LIKE TB_STUDENT;
查看表结构
DESC TB_STUDENT;
删除表 DROP
DROP  TABLE  IF EXISTS  TB_STUDENT;
修改表的结构 ALTER
修改表名 RENAME
ALTER TABLE TB_STUDENT RENAME TO TB_STU;
修改表的字符集
ALTER TABLE TB_STU CHARACTER SET  UTF8;
新增一列 ADD
ALTER TABLE TB_STU  ADD 列名 数据类型;
修改列名和数据类型 CHANGE
ALTER TABLE TB_STU  CHANGE 列名 新列名 新数据类型;
修改指定列的数据类型 MODIFY
ALTER TABLE TB_STU MODIFY 列名 新数据类型

DML (操作数据表数据的SQL,增删改)

增 INSERT

新增一条数据

INSERT INTO 表名 (列名,列名)  VALUES(值1,值2);
INSERT INTO 表名 VALUES(值1,值2);

删 DELETE

删除指定的数据 DELETE
DELETE FROM 表名 [WHERE  条件];
删除整张表的数据 TRUNCATE
DELETE FROM 表名; -- 不推荐,表中有多少条SQL就会执行多少次删除操作
TRUNCATE TABLE  表名;  -- 推荐, 先删除表,然后再创建一张一样的表。无论表中有多少条数据,都执行两条语句,删除表,创建表。

TRUNCATE TABLE 内部应该是先复制了表再删除表
两种删除表的数据 耗时对比(同一电脑,相同数据量):
比较两种方式删除表数据的耗时

改 UPDATE

修改表中的数据
UPDATE  表名 SET 列名1 = 值1,列名2 = 值2  [WHERE 条件];

DQL (查询数据表中数据的SQL)

排序查询 ORDER BY

SELECT * FROM 表名 ORDER BY 列名 ASC; -- 默认升序排序  从小到大
SELECT * FORM 表名 ORDER BY 列名 DESC; --  降序排序  从大到小

聚合函数

聚合函数是指:把表中的某一列当成一个整体,然后进行统计运算等操作

COUNT 统计个数
SELECT  COUNT(AGE) FROM 表名;
SELECT COUNT(IFNULL(AGE,0)) FROM 表名;
AVG 平均值
SUM 求和
MAX 最大值
MIN 最小值

分组查询 GROUP BY

按照表中的某一列的值来进行分组

SELECT SEX COUNT(ID)  FROM 表名  WHERE  条件(SCORE>80) GROUP BY SEX(列名)  HAVING 聚合函数(COUNT(ID)>3)

分页查询 Limit

Limit 开始的索引,页码
开始的索引 = (当前页-1)*页码

SELECT * FROM 表名 LIMIT 开始的索引,页码
  • 0
    点赞
  • 1
    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