day1 数据库的基本操作

数据库创建方式

1. SQL Server Management Studio

  • 对象资源管理器中,连接到SQL Server数据库引擎的实例,然后展开该实例。
  • 右键单击数据库,然后单击新建数据库
  • 新建数据库中,输入数据库名称。
  • 若要通过接受所有默认值创建数据库,请单击确定;否则,请继续后面的可选步骤。
    第一步
    第二步
    第三步

2. Transact-SQL

在标准菜单栏上,单击新建查询

CREATE DATABASE Sales ON Primary(
--CREATE指创建,Sales是文件名,Primary ON指主文件在
NAME = Sales_dat, 
--名称
FILENAME = 'C:\DATA\saledat.mdf',
--存储路径,.mdf——>主文件
--注意:路径文件要提前创建
SIZE = 10,
--默认是MB
MAXSIZE = 50,
--最大只能是50MB
FILEGROWTH = 5
--每次加大5MB
)
LOG ON (
NAME = Sales_log,
FILENAME = 'C:\DATA\salelog.ldf',
--.ldf——>日志文件
SIZE = 5MB,
MAXSIZE = 25MB,
FILEGROWTH = 5MB);

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

数据库修改

1. SQL Server Management Studio

  • 展开数据库,右键单击要修改的数据库,再单击属性
  • 更改数据库属性。
  • 确认选择了正确数据库,然后单击确定
    在这里插入图片描述
    在这里插入图片描述

2. Transact-SQL

EXEC SP_ HELPDB TESTDB;
--exec——>执行
--报告有关指定数据库或所有数据库的信息。

在这里插入图片描述

ALTER DATABASE TESTDB
--alter——>修改的关键字
MODIFY NAME = TESTDBO1;
--modify指编辑

执行前:
在这里插入图片描述
执行后(记得刷新数据库):
在这里插入图片描述

ALTER DATABASE TESTDB01
MODIFY FILE(
NAME =TESTDB,
--这里的name指的是文件的name,不是修改name
SIZE = 40MB,
MAXSIZE =100MB,
FILEGROWTH = 20MB);

修改前:在这里插入图片描述
修改后:
在这里插入图片描述

数据库删除

1. SQL Server Management Studio

  • 对象资源管理器中,连接到SQL Server数据库引擎的实例,然后展开该实例。
  • 展开数据库,右键单击要删除的数据库,再单击删除
  • 确认选择了正确数据库,然后单击确定
  • 如果删除失败,先分离数据库,并在分离的时候直接勾上删除。
    在这里插入图片描述
    在这里插入图片描述
    如果删除失败,先分离再勾选删除(笔者直接删了):
    在这里插入图片描述

2. Transact-SQL

DROP DATABASE Sales, NewSales ;
--drop——>删除关键字

在这里插入图片描述
刷新数据库后,db1就没了
在这里插入图片描述

  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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

打赏作者

木灬唯紫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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