高效储存过程分页

CREATE   PROCEDURE [dbo].[Common] 
@strTable varchar(30),--表名
@strFields varchar(300),--检索的字段
@strSortField varchar(30),--排序的字段
@PageIndex  int =1,       --页码
@PgSize int,--每页大小
@doCount   bit=0,       --返回记录总数,非0则返回
@strWhere  varchar(1500)=''     --查询条件(注意不带where)
AS
declare  @strSQL  varchar(5000)           --主语句
declare  @strTmp   varchar(110)            --临时变量
declare  @strOrder  varchar(400)           --排序类型
declare  @tblName   varchar(255)           --表名
declare  @strGetFields varchar(1000)     --需要返回的列
declare  @fidName varchar(255)       --排序的字段名
declare  @PageSize  int        --页大小
declare  @OrderType   bit    --设置排序类型,非0则降序
set @tblName=@strTable
set @strGetFields=@strFields
set @fidName=@strSortField
set @PageSize=@PgSize
set @OrderType=1
if @doCount !=0    --返回记录总数
  begin
       if @strWhere != '' 
          set @strSQL=" select  count(1) as Total  from ["+@tblName+"] where "+@strWhere
       else
          set @strSQL=" select  count(1) as Total  from ["+@tblName+"]"
   end
else
  begin
     if @OrderType !=0 
        begin
            set @strTmp="<( select min "
            set  @strOrder = "  order by ["+@fidName+"]  desc"
          --如果@OrderType不是0,就执行降序,这句很重要!
        end
     else
        begin
            set @strTmp=">( select max "
            set  @strOrder = " order by ["+@fidName+"]  asc"  
        end
    if @PageIndex=1 
      begin
          if @strWhere != '' 
              set @strSQL = "select  top " + str(@PageSize) +" "+@strGetFields+ "  from [" + @tblName + "] where " + @strWhere + " " + @strOrder
          else
             set @strSQL = "select  top " + str(@PageSize) +" "+@strGetFields+ "  from ["+ @tblName + "] "+ @strOrder
        --如果是第一页就执行以上代码,这样会加快执行速度
      end
    else
      begin
                 --以下代码赋予了@strSQL以真正执行的SQL代码
           set @strSQL = "select  top " + str(@PageSize) +" "+@strGetFields+ "  from [" 
                               + @tblName + "] where [" + @fidName + "]" + @strTmp + "(["+ @fidName + "]) from (select top " + str((@PageIndex-1)*@PageSize) + " ["+ @fidName + "] from [" + @tblName + "]" + @strOrder + ") as tblTmp)"+ @strOrder
            
            if @strWhere != ''
                 set @strSQL = "select  top " + str(@PageSize) +" "+@strGetFields+ "  from [" 
                                        + @tblName + "] where [" + @fidName + "]" + @strTmp + "(["
                                          + @fidName + "]) from (select top " + str((@PageIndex-1)*@PageSize) + " ["
                                        + @fidName + "] from [" + @tblName + "] where " + @strWhere + " "
                                        + @strOrder + ") as tblTmp) and " + @strWhere + " " + @strOrder
       end
   end
   exec(@strSQL)
GO

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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