MySQL简单笔记

●添加用户
GRANT ALL PRIVILEGES ON *.* TO monty@"%" IDENTIFIED BY 'something' WITH GRANT OPTION;
GRANT SELECT,INSERT,UPDATE,DELETE,CREATE,DROP ON expenses.* TO custom@whitehouse.gov

●用户本机不能登陆,但远程可以
比如,添加了一个用户"user1@%",结果远程可以登陆,本地就不行。很可能是本地是用匿名用户登陆,所以最好顺便再添加一个"user1@localhost"用户来解决这个问题。

●忘记root用户的密码

1、启动数据库服务:
mysqld --skip-grant-tables
2、修改密码:
mysqladmin -u root flush-privileges password "newpassword"
3、关闭数据库,再正常启动。

●某些字段相同的记录只取第一条
直接用group by就搞定,例如,表t有字段a,b,c,对于表中所有记录,当a与b相同,但c不一定相同时,只取出第一条,查询语句如下:
select * from t group by a,b

●联表更新记录
update table t1, table t2 set t1.f1 = t2.f2 * 2 where t1.id = t2.tid

●5.5版本设置字符集
my.cnf文件, 在[mysqld]项中添加character_set_server=utf8(注意,不是default-character-server=utf8或default-character-set=utf8)

●查看当前用户: select user();

●查看表锁情况:show status like "table_lock%";
其中,Table_locks_immediate表示不经过等待立即获取表锁的次数;Table_locks_waited 表示学要经过等待才能获取表所的次数。

● 锁表:LOCK TABLES tbl_name [AS alias] {READ [LOCAL] | [LOW_PRIORITY] WRITE} [, tbl_name [AS alias] {READ [LOCAL] | [LOW_PRIORITY] WRITE}]。解锁:UNLOCK TABLES;

● 查看连接进程状态:
show processlist;
或者,用用更详细的:
SELECT * FROM information_schema.processlist t WHERE t.DB=数据库 AND state <> '';

●删除语句中不能用表别名
delete from table1 t where t.id=3 --[b]这样的语句是不行的[/b]

●MySQL自动备份和手工恢复
·备份
set hour_str=%time:~0,2%
if "%hour_str:~0,1%"==" " set "hour_str=0%hour_str:~1%"
set fileName=%date:~0,4%-%date:~5,2%-%date:~8,2%_%hour_str%%time:~3,2%%time:~6,2%
D:
cd D:\autobak\
mysqldump 数据库名(改我) -u root -p密码(改我) >%fileName%.sql
jar cf %fileName%.zip %fileName%.sql
del %fileName%.sql
·恢复
mysql -u root -p密码 数据库名 < xxx.sql
  • 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