- 博客(59)
- 收藏
- 关注
RSS订阅原创 MySQL与Python的连接
我们可以使用或者pymysql三方库来接入 MySQL 数据库并实现数据持久化操作。推荐大家使用纯 Python 的三方库pymysql，因为它更容易安装成功。
2025-05-14 14:02:31
963
原创 MySQL中的索引
索引是关系型数据库中用来提升查询性能最为重要的手段。关系型数据库中的索引就像一本书的目录，我们可以想象一下，如果要从一本书中找出某个知识点，但是这本书没有目录，这将是一件多么可怕的事情！创建索引虽然会带来存储空间上的开销，但是在牺牲空间后换来的查询时间的减少也是非常显著的。对于MySQL 8.0 版本的 InnoDB 存储引擎来说，它支持三种类型的索引，分别是 B+ 树索引、全文索引和 R 树索引。
2025-05-13 09:00:00
728
原创 MySQL中的视图、函数和过程
对于互联网产品开发，我们一般建议让数据库只做好存储，复杂的运算和处理交给应用服务器上的程序去完成，如果应用服务器变得不堪重负了，我们可以比较容易的部署多台应用服务器来分摊这些压力。过程（又称存储过程）是事先编译好存储在数据库中的一组 SQL 的集合，调用过程可以简化应用程序开发人员的工作，减少与数据库服务器之间的通信，对于提升数据操作的性能也是有帮助的。但是MySQL 中的函数是可以执行 SQL 语句的。简单的说，视图就是虚拟的表，但与数据表不同的是，数据表是一种实体结构，而视图是一种虚拟结构。
2025-05-12 09:00:00
729
原创 MySQL中的Json函数与窗口函数
json类型有两种：分别为为什么要引入json类型？现在很多产品的用户登录都支持多种方式，例如手机号、微信、QQ、新浪微博等，但是一般情况下我们又不会要求用户提供所有的这些信息，那么用传统的设计方式，就需要设计多个列来对应多种登录方式，可能还需要允许这些列存在空值，这显然不是很好的选择；另一方面，如果产品又增加了一种登录方式，那么就必然要修改之前的表结构，这就更让人痛苦了。但是，有了 JSON 类型，刚才的问题就迎刃而解了，我们可以做出如下所示的设计。对于json查询的SQL语句与之前的不同，使用和。
2025-05-11 18:50:26
846
原创 关于解决MySQL的常见问题
这有可能是因为MySQL服务没有开启。打开系统配置（直接搜索即可），查看MySQL服务是否开启。此时显示的是已停止。确定是这个问题。现在打开计算机管理（直接搜索即可）。找到MySQL右击选择启动。现在再去输入密码即可使用服务。
2025-05-11 17:51:52
196
1
原创 MySQL的权限赋予与收回
数据库服务器通常包含了非常重要的数据，可以通过访问控制来确保这些数据的安全。可以为指定的用户授予访问权限或者从指定用户处召回指定的权限。
2025-05-10 09:00:00
163
原创 MySQL的插入、删除和修改
使用insert方法进行插入，插入的方式包括：插入完整的行、插入行的一部分、插入多行、插入查询的结果。因为在上一章中我们建立college表时，第一个col_id是自增字段，所有可以是使用default默认值。也可以针对不同的列进行插入（选择性插入）推荐大家使用下面这种做法，指定为哪些字段赋值，这样做可以不按照建表时设定的字段顺序赋值，可以按照values前面的元组中给定的字段顺序为字段赋值，但是需要注意，除了允许为null和有默认值的字段外，其他的字段都必须要一一列出并在values。
2025-05-09 09:30:42
445
原创 MySQL数据库创建、删除、修改
我们以学校体系进行建表。将数据库命名为create database相同四个关键的实体分别是学院、老师、学生和课程，其中，学生跟学院是从属关系，这个关系从数量上来讲是多对一关系，因为一个学院可以有多名学生，而一个学生通常只属于一个学院；同理，老师跟学院的从属关系也是多对一关系。一名老师可以讲授多门课程，一门课程如果只有一个授课老师的话，那么课程跟老师也是多对一关系；如果允许多个老师合作讲授一门课程，那么课程和老师就是多对多关系。简单起见，我们将课程和老师设计为多对一关系。
2025-05-08 20:20:03
1079
原创 QtDesigner入门
简单来说，当我们写好一段代码，已经实现了某些我们想要实现的功能后。希望实现的每一个功能可以可视化，通过按钮等功能完成人机交互。Qt Designer 是 Qt 框架提供的可视化界面设计工具，支持通过拖放控件快速构建图形用户界面（GUI），适用于 C++、Python（PyQt/PySide）等语言开发。接下来我以pyqt5举例（Anaconda）首先：你需要先创建一个环境（或者在你已有的环境下）安装pyqt5。此时你就已经创建好了一个名为Qt的环境了。如果你下次想打开这个环境：第二步：
2025-04-23 15:32:46
417
原创 直线检测（持续更新）
霍夫变换是图像处理中的一种特征提取技术，通过投票算法检测识别具有特定几何形状的物体。我们这篇文章，主要对直线进行检测。1.2 Hough变换原理我们看见直角坐标系中有两个点A B，他们构成了一条直线y=kx=b。知道了斜率k和截距b就可以确定一条直线。我们可以将这个坐标系看成一个笛卡尔空间。往深处思考一下，其实x就是我们的输入，k和b就是参数，y就是输出。就是当我们知道一个x，就一定知道直线上对于的点。接下来，我们就要将笛卡尔空间转化为霍夫空间。其实就是需要将直角坐标系上的点转化为极坐标上的点。
2024-10-17 14:42:05
2797
原创 骨架提取（持续更新）
骨架提取是图像处理或计算机视觉中的一种技术，用于从二值化图像中提取物体的中心线或轮廓，通常称为“骨架”或“细化图像”。这一技术主要用于简化形状表示，同时保留物体的拓扑结构。这里我们强调了，是对二值化图像中进行提取。
2024-10-13 21:11:07
1560
1
原创 RGB HSV LAB 灰度图之间的爱恨情仇（持续更新）
灰度图只有一个亮度通道，我们常常会看见将RGB图转化为灰度图。灰度可以理解为图像中像素的亮度值。在灰度图中，最黑的部分用灰度值 0 表示，最白的部分用灰度值 255 表示（对于 8 位灰度图像而言）。介于两者之间的灰度值则代表了不同程度的灰色。例如，灰度值为 128 的像素呈现出中等亮度的灰色。首先了解HSV中三个字母分别代表什么含义：H（Hue）色相，S（Saturation）饱和度，V（Value）明度/亮度。
2024-10-12 10:34:34
1348
原创 多分类问题（Softmax Classifier）
之前提到的分类任务都是二分类，也就是是或否。本节提到的是多分类任务。此节会运用到之前提到的MNIST，也是就数字分类任务，此时就是多分类（10）了。
2024-08-14 17:37:35
1338
原创 卷积神经网络(Basic CNN)（1）
在之前提到，将一个张量对其进行全连接后，会出现例如第一行的最后一位与第二行的第一位最终会连接在一起，丧失了一些原有的空间信息。二维卷积，按照其原始的空间结构进行保存。目标：明确输入和输出的维度（方便我们进行不同的卷积操作）方法：构建特征提取器feature extraction，构建分类器classification（全连接）首先由于全连接会丢失空间信息，因此我们通常先对其进行特征提取，使用到卷积，下采样等（其中一些步骤信息可见上图）。最后对其进行全连接，方便其进行分类操作。
2024-08-13 18:14:14
969
原创 加载数据集（Dataset and Dataloader）
dataset主要是用于构造数据集（支持索引），dataloader可以拿出一个mini-batch供我们快速使用。
2024-07-19 10:12:42
921
原创 用Pytorch实现线性回归（Linear Regression with Pytorch）
设计模型（用于计算y_hat（y的预测值）），构造损失函数和优化器（使用PyTorch API），写训练周期（前馈（算loss）+反馈（算梯度）+更新（更新权重））
2024-07-16 14:56:43
839
原创 关于解决各类由于电脑名为中文导致的各类问题
解决方法：Anoconda安装笔记+win10 更改中文用户名为英文_anaconda prompt运行索引含汉字,怎么改成英文-CSDN博客
2024-07-11 16:11:08
302
原创 Python中csv文件的写入和读取
CSV文件是一种纯 文本文件 ，用于存储表格和电子表格信息。内容通常是由文本、数字或日期组成的表格。重要的是，csv文件时以逗号为分隔符的一种文件形式。
2024-06-12 09:03:40
441
原创 抽象，自定义函数，递归
函数执行特定的操作并返回一个值，你可以调用它（调用时可能需要提供一些参数——放在圆括号中的内容）。一般而言，要判断某个对象是否可调用，可使用内置函数callable。此时说明x是不可以调用的，y是可以的。（并非所有的函数都返回值）函数是结构化编程的核心。那么如何定义函数呢？使用def（表示定义函数）语句。上面两行是对于函数的简单定义，最下面是对函数的调用。那现在回到斐波那契数，如果编写一个函数，返回一个由斐波那契数组成的列表呢？前5行都是对于斐波那契数整个函数的定义，最后一行是对其进行调用。
2024-06-06 16:11:53
803
原创 Pytorch反向传播算法（Back Propagation）
首先第一层计算的是w1*x+b1，假如说我们的输入x是一个n维的列向量，结果是一个m维的列向量，MM是矩阵相乘，那我们需要的w1是一个m*n的矩阵，相乘得到的结果是一个m维的列向量，需要b1也是一个m维的列向量，ADD表示相加，得到的结果可以看成这个层的输出，但其实这个值还需要放入到下一层进行第二层的运算，而两个的运算过程都差不多，大家可以自己看一下。大家看，在一个线性的运算中，其中不管有多少层，w1，w2都是可以通过计算放在一起的，那最后得到的结果也可以看出来，又是一个新的线性运算。
2024-05-31 11:01:08
977
原创 条件，循环，及其他语句
换而言之，标准值False和None、各种类型（包括浮点数、复数等）的数值0、空序列（如空字符串、空元组和空列表）以及空映射（如空字典）都被视为假，而其他各种值都被视为真，包括特殊值True。这个函数让你能够迭代索引-值对，其中的索引是自动提供的。实际上，这里执行的操作称为序列解包（或可迭代对象解包）：将一个序列（或任何可迭代对象）解包，并将得到的值存储到一系列变量中。赋值语句你见过很多，有的给变量赋值，还有的给数据结构的一部分（如列表中的元素和切片，或者字典项）赋值，但还有其他类型的赋值语句。
2024-05-29 23:05:59
921
1
原创 字典的相关知识
方法popitem类似于list.pop，但list.pop弹出列表中的最后一个元素，而popitem随机地弹出一个字典项，因为字典项的顺序是不确定的，没有“最后一个元素”的概念。方法setdefault有点像get，因为它也获取与指定键相关联的值，但除此之外，setdefault还在字典不包含指定的键时，在字典中添加指定的键-值对。这是因为字典是无序的，类似的方法毫无意义。（2）copy：方法copy返回一个新字典，其包含的键-值对与原来的字典相同（这个方法执行的是浅复制，因为值本身是原件，而非副本）。
2024-05-24 17:33:17
774
原创 Pytorch梯度下降算法（Gradient Descent）
其实对于我们将要学的梯度最小函数，目的就是先得到loss损失最小的值，然后根据这个最小的值去得到w。初始点在initial guess这个位置，我们希望找到最小的权重点global cost minimum，我们到底是让这个点左移寻找还是右移寻找呢？此时我们就需要使用到梯度定义。在加上一个x后，如果这个导数值变为负的，说明我接下来函数图像呈现下降的趋势，那根据我们上述所说的寻找一个阶梯最小函数，就是要使函数往小的方向进行。所以我们希望函数图像下降的话，我们就取导数为负的方向。
2024-05-24 11:52:06
706
原创 Pytorch线性模型(Linear Model)
①首先准备好数据集（DataSet）②模型的选择或者设计（Model）③进行训练（Train）大部分模型都需要训练，有些不需要。这一步后我们会确定不同特征的权重④推理（inferring）1，2，3hours会有一个结果2，4，6points。这个就是训练过程，把x和y都给模型，让他自己学。5hours这个没有一个对应的y，这个就是我们的预测过程（相当于上面的题目学完了后，现在写这个题，看能不能写对）。
2024-05-22 17:53:04
1022
1
原创 Pytorch（Overview）
刚刚上面说的计算图算法，我们不需要自己去实现的。我们通常使用现成的deep learning framework 去进行实现（当然也可以自己去写framework，但是这个比我们写深度神经网络要难）我们将会用到的deep learning frameworks是pytorch（facebook），当然还有其他的如TensorFlow（Google），还有一个就是已近和pytorch合并的Caffe（facebook），还有如MxNet。欢迎大家一起学习Pytorch相关知识！！！
2024-05-22 15:47:33
955
原创 字符串（字符串方法）
但其实无论是title还是string.capwords都无法准确满足我们的需求，要实现真正的词首大写（根据你采用的写作风格，冠词、并列连词以及不超过 5个字母的介词等可能全部小写），你得自己编写代码。很多字符串方法都以is打头，如isspace、isdigit和isupper，它们判断字符串是否具有特定的性质（如包含的字符全为空白、数字或大写）。如果找到，就返回子串的第一个字符的索引，否则返 回-1。方法strip将字符串开头和末尾的空白（但不包括中间的空白）删除，并返回删除后的结果。
2024-05-21 22:00:14
668
原创 字符串（字符串的基本操作，设置字符串的格式）
这个运算符的行为类似于C语言中的经典函数printf： 在%左边指定一个字符串（格式字符串），并在右边指定要设置其格式的值。指定要设置 其格式的值时，可使用单个值（如字符串或数字），可使用元组（如果要设置多个值的格 式），还可使用字典（这将在下一章讨论），其中最常见的是元组。设置浮点数（或其他更具体的小数类型）的格式时，默认在小数点后面显示6位小数，并根据需要设置字段的宽度，而不进行任何形式的填充。上面我们在设置宽度的时候，出现不对齐的情况，在指定宽度和精度的数前面，可添加一个标志。但是要注意一个问题。
2024-05-21 20:48:27
1636
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人