mySQL数据库

学习编程语言救赎不断的来储存数据
1.在内存中临时的存储数据时:
变量–>数组—>对象——>对象数组——>集合
变量:存储数据比较麻烦,繁琐
数组:存储数据缺点是数组的长度是固定不变的,类型单一
对象可:以存储数据类型不同的数据
对象数组:可以存去多的对象,对象中包含了去多了的数据
集合:几乎解决了 数组长度不可变的问题,
2.将数据持久化的储存在内存中
I/O:序列化和反序列化,输入流和输出流,字节输出流和字节输入流
字符输入流和字符输出流,对象输入流和对象输出流
XML:存储许多的数据,然就通过DOM4J来进行解析就可以使用
但是DOM4j解析XML的时候,还是步骤比较的多,步骤冗余,查询的速度也是比较的慢,效率低
3.数据库(databases)

数据库分为:
①关系型数据库(RDBMS):MySQL、Oracle、SQL Server、MariaDB、
特点就是:安全,效率低,稳定,多个数据表之间有一定的关系
②非关系型数据库(Nosql):Redis、MongDB、Memcache....
特点:不安全,高效,数据之间没有联系

MySQL本来是瑞典的一家数据库公司的产品->后来被SUN公司收购——>后来又被Oracle公司收购。
MySQL是排行第二的主流关系型的数据库!Oraccle也推出了企业版和社区版,(它是开源的,免费的。所以我们就使用它)
4.学会安装MySQL数据库
你的设置好自己的密码,
自己的服务名,
端口号的设置
环境变量记得的配置

5.连接数据库;
输入自己的mysql–》用户名——>用户的密码——>然后你就可以登录到MySql服务器了,进行一系列的数据数据操作
6.我安装的数据库是5.5的MySQL内部就有4个数据库(系统的数据)除了test数据库其他的不能删除!
数据库管理系统(DBMS):(你安装的MySQL Server)
储存数据先建立数据库–>然后你再建立数据表进行数据的存储
7.学会使用数据库的可视化的工具
MySQL .5.6提供一个自带的工具,MySQL Workbench
包含俩种可视化的工具:
SQL Yog
Navicat
8.简单的了解常用的数据库命令
①显示数据库服务器内的所有的数据库:show databases;
②切换数据库:use 数据库名;
③查看该数据库下的所有的表:show tables;
④创建数据库:create database 数据库名;
⑤删除数据库:drop database 数据库;
9.熟悉创建数据库表的语句
创建数据库表的语句:

#在可视化的工具里面用#或者是--来注释
--切换数据库
use  myschool;
--创建数据库表
create   table  students(
#属性  属性值类型  注释
#存储的学生的信息
studentNumber  Int  comment  '学号',
studentName   VARCHAR(25)  COMMENT  '姓名',
gender  char(3)  comment  '性别' ,
score  DOUBLE  COMMENT  '成绩'
);

10.熟悉常见的数据列 列属性 列类型
约束和属性
在字段定义时可以添加这些属性:

NOT  NULL  表示不允许此字段的值不能为空
DEFAULT '默认值内容' 表示此字段默认值的内容!
UNIQUE  KEY  或者是  UNIQUE表示  此字段是唯一值  不允许值重复
PRIMARY  KEY  主键约束  设置了主键 就自动带有非空  唯一约束,可以唯一标识标识某条记录,用于提升查询性能,一般都是在编号列进行设置
AUTO_INCREMENT自动增长  他只能用于主键列  可以自动递增编号
COMMENT  可以用来天剑字段,也可是注释
UNSIGNED  无符号  标识支持整数,没有负号
ZEROFILL如果内容不足指定长度,将会以0作为填充补足长度,如果设置他则已经添加了UNSIGNED属性
  • 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