Hibernate多对多简单配置

@Entity
@Table(name="teacher",catalog="hibernate3")
public class Teacher implements Serializable {
	private Long tid;
	private String name;
	private Integer age;
	private Set<Course> courses=new HashSet<>();
     
	
	public Teacher() {
		super();
	}
	public Teacher( String name, Integer age) {
		super();
		this.name = name;
		this.age = age;
	}



	@Id
	@GeneratedValue(strategy=GenerationType.AUTO)

    
	public Long getTid() {
		return tid;
	}

	public void setTid(Long tid) {
		this.tid = tid;
	}

	
	@Column(name="name",length=30)
	public String getName() {
		return name;
	}

	public void setName(String name) {
		this.name = name;
	}

	@Column(name="age",length=4)
	public Integer getAge() {
		return age;
	}

	public void setAge(Integer age) {
		this.age = age;
	}

    /*
    * @JoinTable配置一个中间表
    * joinColumns:当前类在中间表的id列名
    * inverseJoinColumns:对方类在中间表的id列名
    */
    @ManyToMany(cascade=CascadeType.ALL)
    @JoinTable(name="thacher_course",
    joinColumns=@JoinColumn(name="teacher_id"),
    inverseJoinColumns={@JoinColumn(name="course_id")})
	public Set<Course> getCourses() {
		return courses;
	}

	public void setCourses(Set<Course> courses) {
		this.courses = courses;
	}

}


Course类

@Entity
@Table(name="course",catalog="hibernate3")
public class Course implements Serializable {
	private Long cid;
	private String name;
	private Set<Teacher> teachers =new HashSet<>();
	
    public Course(String name) {
		super();
		this.name = name;
	}

	public Course() {
		super();
		
	}

	@Id
       @GeneratedValue  //默认AUTO--Native
  

	public Long getCid() {
		return cid;
	}

	public void setCid(Long cid) {
		this.cid = cid;
	}

	@Column(name="name",length=20)
	public String getName() {
		return name;
	}
  
	public void setName(String name) {
		this.name = name;
	}
	
	 /*
	 * mappedBy="courses",表示自已不维护id关系了,交给对方Thacher去维护
	 */
	@ManyToMany(cascade=CascadeType.ALL,fetch=FetchType.LAZY,mappedBy="courses")
	//抓取策略
	@Fetch(FetchMode.SELECT)
	public Set<Teacher> getTeachers() {
		return teachers;
	}

	public void setTeachers(Set<Teacher> teachers) {
		this.teachers = teachers;
	}

}


测试:双方最好要有
cascade=CascadeType.ALL

public class ManyToMany {
	   //课程添加老师
		@Test
		public void testName1() throws Exception {
	       Session session = HibernateUtils1.openSession();
	       Transaction trans = session.beginTransaction();
	       Teacher tt=new Teacher("zz11", 12);
	       
	       Course cc1=new Course("语文111");
	      
	       Set<Teacher> set=new HashSet<>();
	       set.add(tt);
	       //这里是课程添加老师,因为课程这边不维护关系,所以中间表没有记录的
           cc1.setTeachers(set);	       
	       session.save(cc1);
	       trans.commit();
	       session.close();
		}
		
		//老师添加课程
		@Test
		public void testName111() throws Exception {
			Session session = HibernateUtils1.openSession();
			Transaction trans = session.beginTransaction();
			Teacher tt=new Teacher("aa1", 12);
			Course cc1=new Course("奥数1");
			
			Set<Course> set=new HashSet<>();
			set.add(cc1);
			//老师添加课程,老师需要维护关系(写入中间表)
			tt.setCourses(set);	   
			session.save(tt);
			trans.commit();
			session.close();
		}
		
		
		@Test
		public void testName3() throws Exception {
			Session session = HibernateUtils1.openSession();
			Transaction trans = session.beginTransaction();
			//一个老师对象
			Teacher tt = new Teacher("小wang11",11);
			session.save(tt);
			//一个课程对象
			Course course = new Course("数学1111");
			session.save(course);
			//老师添加课程,维护中间表
			tt.getCourses().add(course);
			//课程添加老师,不会维护中间表
//			course.getTeachers().add(tt);
			trans.commit();
			session.close();
		}
}



  • 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