数据库MySql

目录

 

数据库的列类型:

数值:

字符串:

日期:

null:

数据库的字段属性(重点)

Unsigned:

zerofill:

自增:

非空:

默认:


数据库的列类型:

数值:

  • tinyint      十分小的数据     1个字节
  • smallint     较小的数据       2个字节
  • mediumint     中等大小的数据     3个字节
  • int     标准的整数   4个字节  常用的 int
  • bigint     较大的数据    8个字节
  • float     浮点数    4个字节
  • double     浮点数     8个字节
  • decimal     字符串形式的浮点数     金融计算时一般使用decimal

字符串:

  • char     字符串固定大小     0~255
  • varchar     可变字符串     0~35535  常用的字符串
  • tinytext      微型文本     2^8-1
  • text     文本串     2^16-1     保存大文本

日期:

java.util.Date

  • date     YYYY-MM--DD 日期格式
  • time     HH:mm:ss     时间格式
  • datetime     YYYY-MM-DD  HH:mm:ss最常用的时间格式
  • timestamp   时间戳   
  • year    年份

null:

  • 没有值,一般不用于计算

数据库的字段属性(重点)

Unsigned:

  • 无符号的整数
  • 声明了该列不能声明为负数

zerofill:

  • 0填充
  • 不足的位置使用0来填充,

自增:

  • 通常理解为自增,自动在上一条记录的基础上+1(默认)
  • 通常用来设计唯一的主键~index,必须是整数类型
  • 可以自定义设计主键自增的起始值和步长

非空:

  • 假设设置为not null,如果不赋值就会报错
  • NULL,如果不填写值,默认为null

默认:

  • 设置默认的值

常用命令:

  • show create database school  --查看创建数据库的语句
  • show creat table student --查看student数据表的定义语句
  • desc student --显示表的结构

修改数据库:

 /*修改姓名*/  ALTER TABLE 旧表名 RENAME AS 新表名
 ALTER TABLE teacher RENAME AS teacher1

/*增加表的字段*/  ALTER TABLE 表名 ADD 新字段 列属性
 ALTER TABLE teacher1 ADD age INT(11)


/*修改表的约束*/modify不能用来字段重命名,只能修改字段类型和约束
 ALTER TABLE teacher1 MODIFY age VARCHAR(11)


/*修改字段名*/change用来字段重命名,不能修改字段类型和约束
 ALTER TABLE teacher1 CHANGE age age1 INT(1) 

 /*删除表的字段*/
 ALTER TABLE teacher1 DROP age1

 

  • 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