MongoDB阅读笔记-1

本笔记未进行手动操作,仅作为阅读记录。


MongoDB: 是一个基于分布式文件存储的数据库。旨在为WEB应用提供可扩展的高性能数据存储解决方案。是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的。

NoSQL=Not only sql

MongoDB将数据存储为一个文档,数据结构由键值(key=>value)对组成。MongoDB类似于json对象。字段值可以包含其他文档,数组及文档数组。

 

Windows平台安装MongoDB

1. 下载地址: https://www.mongodb.org/dl/win32/x86_64-2008plus-ssl

2. 安装路径不要有空格,如:E:\mongodb

3. 安装完后,创建数据库db目录和日志文件目录:如: e:\data\db, e:\data\log

4. 运行MongoDB服务器:e:\mongodb\bin\mongod --dbpath e:\data\db

5. 连接MongoDBe:\mongodb\bin\mongo.exe

6. (46选一个执行就可以了)创建配置文件:该文件必须设置systemLog.path,如:e:\mongodb\mongod.cfg的内容如下:

systemLog:

destination: file

path: e:\data\log\mongod.log

storage:

dbpath: e:\data\db

安装MongoDB服务:e:\mongodb\bin\mongod.exe --config “e:\mongodb\mongod.cfg” --install    (要使用备用dbpath,可在命令行中通过 --dbpath选项指定.)

7. 启动MongoDB服务: net start MongoDB

8. 关闭MongoDB服务: net stop MongoDB

9. 移除MongoDB服务: e:\mongodb\bin\mongod.exe --remove

10. MongoDB后台管理Shell: 执行5 e:\mongodb\bin\mongo.exe

mongo 默认进入test文档(数据库)

2+2    由于mongodb shell 是一个JavaScript shell,所以可以运行一些简单的算术运算

db 用于查看当前操作的文档(数据库)

db.runoob.insert({x:10}  将数字 10 插入到 runoob 集合的 x 字段中。

db.ruoob.find()

 

Linux平台安装MongoDB

1. 下载并按默认文件名保存到本地

  curl -O https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-3.0.6.tgz

2. 解压:

tar -zxvf mongodb-linux-x86_64-3.0.6.tgz          

3. Copy到指定目录,并命名为mongodb

mv  mongodb-linux-x86_64-3.0.6/ /usr/local/mongodb

4. 添加环境变量Path

Export PATH=/usr/local/mongodb/bin:$PATH

5. 创建数据库目录

mkdir -p /data/db

6. 运行mongodb服务,如果不是/data/db数据库,则使用--dbpath指定

   ./mongod

 

Mac OSX 平台安装MongoDB

1. Cd /usr/local

2. Sudo curl -O https://fastdl.mongodb.org/osx/mongodb-osx-x86_64-3.4.2.tgz

3. sudo tar -zxvf mongodb-osx-x86_64-3.4.2.tgz

4. sudo mv mongodb-osx-x86_64-3.4.2 mongodb

5. export PATH=/usr/local/mongodb/bin:$PATH

6. 使用brew安装:

(1) sudo brew install mongodb

(2) sudo brew install mongodb --with-openssl  #安装支持tls/ssl

(3) sudo brew install mongodb --devel

7. Sudo mkdir -p /data/db

8. Sudo mongod cd /usr/local/mongob/bin   sudo ./mongod

9. Cd /user/local/mongodb/bin

10. ./mongo #启动mongodb


Thanks for sharing:

http://www.runoob.com/mongodb/mongodb-tutorial.html 

https://blog.csdn.net/IT_wanghe/article/details/53884229

https://www.2cto.com/database/201501/366343.html

https://www.cnblogs.com/gbyukg/p/3326825.html 

https://blog.csdn.net/tanga842428/article/details/53228381 

https://blog.csdn.net/yao_yu_126/article/details/18614397


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