删除数据 易错点

开发工具与关键技术:VS   删除
作者:听民谣的老猫
撰写时间:2019/4/20   17:15

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

上面的几张图大家应该都不陌生,在刚学习数据删除应该给大部分人带来过砸键盘的冲动感。
有几个错误我当时可是被折磨了大半天,一起来看看。
在这里插入图片描述

首先解决问题的话,我们要做的第一件事肯定是找出错误。很多时候导师帮我们解决错误或者是导师上课时出现错误都会用到断点。
断点用法:在你需要断点的代码行数前面点击鼠标就可以添加断点。
断点用处:在某一行代码前面标上断点后,代码运行到这一行代码处就会暂停运行,需要你点击运行后才会运行断点后面的代码。如果还没运行到这行代码就报错了,那错误肯定就是这行代码前面的代码了。简单的重复就可以找出错误点。
在这里插入图片描述

同时你可以看断点前面传入的参数。很多错误都是参数没有传进来,如果是参数问题导致错误,那么我们就可以对症下药。

错误A
在这里插入图片描述

在修改数据中出现A这种情况肯定就是数据回填失败,通过断点我们也可以知道问题的根源。
在这里插入图片描述
我们是根据ID来查询数据的,也就是把我们传过来的ID和数据 库中ID做判断,找出相同的ID数据,然后回填。这里很明显没有传过来参数值,那么就查不出我们想要的数据。回填数据的时候肯定会出现错误。

//设置操作按钮
            function setOperate(data) {
           var EmployeeId = data.EmployeeID;
            var btn = "";
                btn += '<button class="layui-btn layui-btn-xs" onclick="openUpdateModal(' + EmployeeId + ')">修改</button>';
                return btn;
            }

我们的ID参数是在设置修改按钮时就已经设置好了的,也就是你点击修改按钮就会带上对应数据的ID值,这个错误大部分就是因为var EmployeeId = data.EmployeeID;这里错误。

同时这里也容易出现只有部分数据回填,个人认为这个都是因为在视图层时的命名错误导致数据接收不了。

错误B
在这里插入图片描述

这个错误应该是最让人头疼的了,有时候经常会浪费很多时间去解决,到头来就是因为命名
错误。
在这里插入图片描述

通过断点然后去查看参数值,哪里不对就去视图层找命名。

这里最容易因为获取不到EmployeeID导致数据异常。
(解决方法:就是你写前端修改模态框的时候是不是写了EmployeeID的隐藏域,并且隐藏域是否包含在提交数据的表单中,或者隐藏域的命名是否与数据库命名一致。)

错误C,D

在这里插入图片描述

在这里插入图片描述

这俩个错误是一起解决的看C就可以知道这是因为根据ID查询数据时传入参数错误。
在这里插入图片描述
Int整形也就是说你传入的EmployeeID不是int类型。你可以通过断点来看看到底传过来了什么。
也就是说它是有传入值的,但是它的值不是int类型,这就是和A的区别,一开始我听别人说在int后面加一个?,然后是不报错了但是就是一路的参数异常各种错误。加上?就是可以不为int类型,治标不治本。

如果你不是因为命名错误的话,那么你就的去找找新增了,也就是说你在新增EmployeeID时就有问题。以至于你在根据ID查询数据时报错。你可以通过断点也可以去数据库查看EmployeeID。

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