MyBatis总结

1.insert后 主键的使用

   

<insert id="insert" parameterType="cn.QualitySupervision.model.Projectinformation" useGeneratedKeys="true" keyProperty="projectnaid">

insert into projectinformation (projectnaid, projectname, projecttype,
project_status, divide_status, investment,
engineeringstatus, projectsite, subordinatejurisdiction,
declarationorgan, startorgan, approvalnumber,
approvaltime, schedule, approvalmoney,
qualityorganname, qualityorganaddress,
starttime, endtime, idpath,
userId, construction_content, memo,
lpoint, rpoint, delete_flag,
is_end, is_append, is_acceptance,
is_supervision_plan, is_sampling_plan, is_supervision_check,
is_rectify_report, is_check_approval, is_intermediate,
is_completion_acceptance, project_status_dictionary
)
values (#{projectnaid,jdbcType=INTEGER}, #{projectname,jdbcType=VARCHAR}, #{projecttype,jdbcType=INTEGER},
#{projectStatus,jdbcType=INTEGER}, #{divideStatus,jdbcType=INTEGER}, #{investment,jdbcType=VARCHAR},
#{engineeringstatus,jdbcType=INTEGER}, #{projectsite,jdbcType=VARCHAR}, #{subordinatejurisdiction,jdbcType=INTEGER},
#{declarationorgan,jdbcType=VARCHAR}, #{startorgan,jdbcType=VARCHAR}, #{approvalnumber,jdbcType=VARCHAR},
#{approvaltime,jdbcType=DATE}, #{schedule,jdbcType=VARCHAR}, #{approvalmoney,jdbcType=DOUBLE},
#{qualityorganname,jdbcType=VARCHAR}, #{qualityorganaddress,jdbcType=VARCHAR},
#{starttime,jdbcType=DATE}, #{endtime,jdbcType=DATE}, #{idpath,jdbcType=VARCHAR},
#{userid,jdbcType=INTEGER}, #{constructionContent,jdbcType=VARCHAR}, #{memo,jdbcType=VARCHAR},
#{lpoint,jdbcType=VARCHAR}, #{rpoint,jdbcType=VARCHAR}, #{deleteFlag,jdbcType=INTEGER},
#{isEnd,jdbcType=INTEGER}, #{isAppend,jdbcType=INTEGER}, #{isAcceptance,jdbcType=INTEGER},
#{isSupervisionPlan,jdbcType=INTEGER}, #{isSamplingPlan,jdbcType=INTEGER}, #{isSupervisionCheck,jdbcType=INTEGER},
#{isRectifyReport,jdbcType=INTEGER}, #{isCheckApproval,jdbcType=INTEGER}, #{isIntermediate,jdbcType=INTEGER},
#{isCompletionAcceptance,jdbcType=INTEGER}, #{projectStatusDictionary,jdbcType=INTEGER}
)
</insert>

2.   时间区间查询的使用

   

<if test="startTime != null and startTime != ''">
<!-- and apply_time >= #{startTime,jdbcType=TIMESTAMP} -->
<![CDATA[and date_format(starttime,'%Y-%m-%d')>=date_format(#{startTime},'%Y-%m-%d')]]>
</if>
<if test="endTime != null and endTime != ''">
<!-- and apply_time >= #{startTime,jdbcType=TIMESTAMP} -->
<![CDATA[and date_format(starttime,'%Y-%m-%d')<=date_format(#{endTime},'%Y-%m-%d')]]>
</if>

3.模糊查询的使用

<if test="projectname != null and projectname != ''">
and pjf.projectname like '%${projectname}%'
</if>

4.批量添加数据

<insert id="insertList">
insert into acceptance_check

  (  id, project_id, project_type, check_user_id, check_date,

     check_status, quality_level, conclusion, competent_desc, accreditation,

    idpath,acceptance_check_status,part_unit_num,finished_unit_num,great_unit_num

  )
  <foreach collection="list" index="index" item="item" separator="union all">
  select
  #{item.id},
  #{item.projectId},
  #{item.projectType},
  #{item.checkUserId},
  #{item.checkDate},
  #{item.checkStatus},
  #{item.qualityLevel},
  #{item.conclusion},
  #{item.competentDesc},
  #{item.accreditation},
  #{item.idpath} ,
  #{item.acceptanceCheckStatus},
  #{item.partUnitNum},
  #{item.finishedUnitNum},
  #{item.greatUnitNum}
  from dual
  </foreach>
  </insert>

后台java dao层代码 void insertList(@Param("list")List<AcceptanceCheck> list);

 

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

打赏作者

对雪书空武

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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