SQL基本语法

原文地址::http://blog.csdn.net/chendong_/article/details/47864657


相关文章

1、SQL的基本语法----http://blog.csdn.net/vera514514/article/details/8276568

2、SQL常用语法----http://blog.csdn.net/smilepasta035/article/details/51743300

3、Sql常用语法----http://www.cnblogs.com/qq4004229/archive/2012/01/09/2317231.html

4、SQL 语法----http://www.w3school.com.cn/sql/sql_syntax.asp-----------每个语句进行讲解并举例说明,非常不错

5、SQL基本语句----http://download.csdn.net/download/lxs10903080313/3912412


SQL基本语法

这篇文章介绍最基本的SQL语法。

创建数据库 
create database db_name; 
删除数据库 
drop database db_name; 
创建表 
create table tb_name(字段名 数据类型 [约束],。。。);“` 
根据已经有的表创建表

create table tb_name1 like tb_name2;
create table tb_name1 as select 字段名...from tb_name2 definition only
 
 
  • 1
  • 2

删除表 
drop table tb_name; 
增加一个列 
alter table tb_name add 字段名 数据类型 [约束] 
删除一个列 
alter table tb_name drop 字段名; 
修改一个列 
alter table alter 旧字段名 新字段名 数据类型 [约束] 
添加主键 
alter table tb_name add primary key(col); 
删除主键 
alter table tb_name drop primary key(col);

增删改查

查询语句

select (*|count(*)|函数|字段名) [as 自定义字段名] from tb_name
where 判断条件
group by 分组条件
having 筛选条件
order by 字段名 [desc],字段名 [desc]...默认升序
limit [m,]n 跳过m条显示n条,默认m=0;
 
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

删除语句 
delete from tb_name where 条件 
修改语句 
update tb_name set 字段名 = "新值" where 条件 
关键字

between and 在两者之间,包含两者
or and  或 且
notin 在..中
like 模糊查询
escape 设置转义字符
 
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

函数 
avg(),sum(),max(),min()

为大家提供一个很好的关于SQL的网站 
http://www.runoob.com/sql/sql-tutorial.html




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