在实验楼中怎么打开mysql_实验楼mysql实验-搭建一个简易的成绩管理系统的数据库...

网址如下https://www.shiyanlou.com/courses/running ,pass之后的体验还蛮好的,。

7f962948ddecbecbb7af82873b6659e1.png

首先打开终端,双击xfce终端或右键打开终端

549c0e462dcb8d945b24f7aef3ba5016.png

开启数据库服务 ,连接数据库

4be0bcafd13fb9333c480325c6c82789.png

首先创建新的数据库create database gradesystem;

d9bcb65097d33a49bbfd5d5a80fa6110.png

接着选择新创建的数据库 use gradesystem;

进行建表,使用create table 语句,分别建立三个表,student,course,mark

其中stdent表的sid和course表的cid分别是mark表的外键sid,cid

需要注意的是三个表的主键都是自增的,使用auto_increment来满足

下面是建立三个表的mysql语句

create table student(

sid int primary key auto_increment,

sname varchar(20) not null,

gender varchar(10) not null

)

create table course(

cid int primary key auto_increment,

cname varchar(20) not null

)

create table mark(

mid int primary key auto_increment,

sid int not null,

cid int not null,

score int not null

)

然后使用alter语句来给mark表添加外键

alter table mark add foreign key(sid) references student(sid);

alter table mark add foreign key(cid) references course(cid);

到此所有的表都建立了,但还没有数据,也就是只有“列”没有“行”

接下来使用dml来对表的行进行操作

这里只列出对mark表的insert操作,其他同理

insert into mark values(1,1,1,80);  //如果不是int型,需要打单引号

insert into mark values(2,2,1,85);

insert into mark values(3,3,1,90);

insert into mark values(4,1,2,60);

insert into mark values(5,2,2,90);

insert into mark values(6,3,2,75);

insert into mark values(7,1,3,95);

insert into mark values(8,2,3,75);

insert into mark values(9,3,3,85);

当所有的信息录入完毕后,实验就完成了,。

5867eb17c1e6feedb9b6419865f243fc.png

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