mysql8.0.20安装步骤图解_MySQL8.0.20压缩版本安装教程图文详解

1、MySQL下载地址;

http://ftp.ntu.edu.tw/MySQL/Downloads/MySQL-Cluster-8.0/

2、解压以后放在一个文件夹里面,创建my.ini配置文件;

6f1f410f031d7ea4f4370ff3aa447f3a.png

my.ini文件内容:

[mysqld]

character-set-server=utf8

bind-address = 0.0.0.0

port = 3306

#配置mysql的解压路径,需要手动更改

basedir=D:\installtools\mysql-8.0.20-winx64

#配置mysql的数据库村塾位置,没有datas文键夹,需要手动创建,路径需要更改

datadir=D:\installtools\mysql-8.0.20-winx64\datas

max_connections=2000

default-storage-engine=INNODB

#由于新版的mysql不支持老版默认的命令,需添加这个名配置

default_authentication_plugin=mysql_native_password

[mysql]

default-character-set=utf8

[mysql.server]

default-character-set=utf8

[client]

default-character-set=utf8

配置环境变量,将解压后的bin目录路径,配置到path中去;右键我的电脑属性→高级系统设置→环境变量;配置完后依次确认后配置完毕;

f25b1b5d762f3a59d6c68052a0d54d0c.png

3、在解压的bin路径下管理员权限运行cmd,运行 mysqld --install 命令;

1ca3f57d9219270ba765e7cfaf52a803.png

4、上图提示成功后接下运行:mysqld --initialize --user=root --console 命令的初始化密码,下面红色框内的

f5fb9f000ca47bd94b3133641c1d24c1.png

5、执行net start mysql 命令启动mysql服务:

c81e563dc41a0fa588a4d410689c9636.png

6、启动mysql服务成功后,执行:mysql -u root -p ,然后输入刚刚得到的默认密码

141d436401d82fd50923dccefb8362f1.png

7、修改默认密码命令:ALTER USER ‘root'@‘localhost' IDENTIFIED WITH mysql_native_password BY ‘输入修改后的密码';例如修改为:123456;输入exit退出mysql

22aea6000be79d7d1272844b39f8d91a.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