模型思维平台玩转数据库

什么是模型?这似乎是一个无法准确定义的概念。

广泛而言,阴阳是最古老的模型。由于它简单,从上古流传至今。由此引申出来很多的模型,例如四象,八卦,五行,二十八宿,六十四卦等。

在国外,最简单的一个模型是质点。而古代埃及,发展的模型更多一些。如点,线,面,体等,这些由欧几里得整理形成了几何原理。而质点是牛顿理论的基础。如果没有质点的概念,牛顿三大定律就没有成立的基础了。

冯.诺依曼创建了计算机的理论。他的模型如下:


归纳起来,其实,计算机有了两个基本的功能,存储,计算。这样,可以对应中国古老的二元论,阴阳。存储需要稳定,为阴,计算需要速度,为阳。事实上,复杂的计算占用很多时间,如何解决呢?一个很好的办法就是存储计算的中间结果。这个前提是复杂的计算通过分步计算而实现。于是乎,空间换时间的理念就此形成。对于,通过短时间计算就可以得到的结果,不需要存储,因为,毕竟存储空间有限。这样,时间换空间的理念也形成啦。

凡是理论,为什么到最后,就是最基本的假设。如果推理不到假设,那么就会出现问题,或者会有新的发现。新的发现,需要创立新的假设。当人们还在质疑集合的正确性时,伽罗华已经在集合的基础上发展了集群论。如今计算机集群显示出了这一理论的巨大魅力。

模型到后来有一个复杂的名称叫体系结构。如果模型是元素的话,那么,体系结构就是集合。也就是说,体系结构是有各种模型及模型的应用而形成的。

数据库是计算机存储发展到一定阶段的产物。那么,为什么会出现数据库这样的概念呢?根本原因还是因为数据迅速庞大的结果。大量的数据,没有规则,没有分类的堆积在一起,分不出来一个章法来,就好比一大堆书放在一起,想找一本有用的书,简直无法想象。

人们围绕着数据,展开了一系列的处理方法。形成了一套完整的体系,创建了很多新的产品。数据库,就此成型了。

数据库的最基本的一个模型是表。这是数据库中最重要的一个概念。一切将围绕表而展开。

表才是最基本的数据。视图,是一组查询表的语句。存储过程,是处理表数据的一种手段。函数是处理表数据的另一种手段。锁是对数据访问的一种机制。约束,索引,是表数据的算法。

而这些概念,都可以称之为模型。

数据库是这样发展起来的:

1、表。最基本的模型,事实上,可以创建不同的表,每张表,都可以是一种业务模型。

2、视图。由于查询数据过于频繁,语句,数据都有很多重复实现。于是,视图模型就出现了。

3、存储过程。表内之间,表与表之间,都有可能存在关联,于是,实现这些关联,就需要一些手段了。存储过程,出现了。

4、函数。实现算法的一种手段。

5、锁。读写表时,需要对表进行锁定,以避免其他用户的干扰。

6、约束。表内的数据之间存在着范围限制,需要满足某些条件。

7、索引。按某字段排序,以提升查询速度。

8、游标。实现表的行级计算。

等等。

总之,每一个概念,都不是莫名其妙的创造出来的。都可以找到它产生的源动机。达到专业化的过程,事实上就是体会到这类专业的每一个概念出现的前后顺序,及解决的问题的一种思路过程。

模型,其实也可以成为一种思维习惯。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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