mysql数据库常用操作语句

MySQL中常用的操作语句已汇总 他们的列名相同,按理来说student的classId必须遵循class表中的classId,也就是如果class表中没有的id,student中是不能有的。外连接:只能使用join on 的方式写,可以在join前头加上left/right的关键字,称为左连接/右连接。(2)offset:偏移量。对指定列进行分组操作:指定某个列,针对这个类,把值相同的行,分到一组中,可以针对每个组,分别进行聚合查询。查询每个岗位的平均工资,但是刨除平均工资超过2w的数据(条件是在聚合之后执行的,只能用having) 阅读详情

用户管理:

  1、新建用户:

    >CREATE USER name IDENTIFIED BY 'ssapdrow';

  2、更改密码:

    >SET PASSWORD FOR name=PASSWORD('fdddfd');

  3、权限管理

    >SHOW GRANTS FOR name;    //查看name用户权限

    >GRANT SELECT ON db_name.* TO name;    //给name用户db_name数据库的所有权限

    >REVOKE SELECT ON db_name.* TO name;    //GRANT的反操作,去除权限;

一、数据库操作: 

  1、查看数据库:

    >SHOW DATABASES;

  2、创建数据库:

    >CREATE DATABASE db_name;  //db_name为数据库名

  3、使用数据库:

    >USE db_name;

  4、删除数据库:

    >DROP DATABASE db_name;

二、创建表:

  1、创建表:

    >CREATE TABLE table_name(

    >id TINYINT UNSIGNED NOT NULL AUTO_INCREMENT,    //id值,无符号、非空、递增——唯一性,可做主键。

    >name VARCHAR(60) NOT NULL

    >score TINYINT UNSIGNED NOT NULL DEFAULT 0,    //设置默认列值

    >PRIMARY KEY(id)

    >)ENGINE=InnoDB    //设置表的存储引擎,一般常用InnoDB和MyISAM;InnoDB可靠,支持事务;MyISAM高效不支持全文检索

    >DEFAULT charset=utf8;  //设置默认的编码,防止数据库中文乱码

    如果有条件的创建数据表还可以使用   >CREATE TABLE IF NOT EXISTS tb_name(........

  2、复制表:

    >CREATE TABLE tb_name2 SELECT * FROM tb_name;

    或者部分复制:

    >CREATE TABLE tb_name2 SELECT id,name FROM tb_name;

  3、创建临时表:

    >CREATE TEMPORARY TABLE tb_name(这里和创建普通表一样);

  4、查看数据库中可用的表:

    >SHOW TABLES;

  5、查看表的结构:

    >DESCRIBE tb_name;

    也可以使用:

    >SHOW COLUMNS in tb_name;     //from也可以

  6、删除表:

    >DROP [ TEMPORARY ] TABLE [ IF EXISTS ] tb_name[ ,tb_name2.......];

    实例:

    >DROP TABLE IF EXISTS tb_name;

  7、表重命名:

    >RENAME TABLE name_old TO name_new;

    还可以使用:

    >ALTER TABLE name_old RENAME name_new;

三、修改表:

  1、更改表结构:

    >ALTER TABLE tb_name ADD[CHANGE,RENAME,DROP] ...要更改的内容...

    实例:

    >ALTER TABLE tb_name ADD COLUMN address varchar(80) NOT NULL;

    >ALTER TABLE tb_name DROP address;

    >ALTER TABLE tb_name CHANGE score score SMALLINT(4) NOT NULL;

四、插入数据:

  1、插入数据:

    >INSERT INTO tb_name(id,name,score)VALUES(NULL,'张三',140),(NULL,'张四',178),(NULL,'张五',134);

    这里的插入多条数据直接在后边加上逗号,直接写入插入的数据即可;主键id是自增的列,可以不用写。

  2、插入检索出来的数据:

    >INSERT INTO tb_name(name,score) SELECT name,score FROM tb_name2;

五、更新数据:

  1、指定更新数据:

    >UPDATE tb_name SET score=189 WHERE id=2;

    >UPDATE tablename SET columnName=NewValue [ WHERE condition ]

六、删除数据:

  1、删除数据:

    >DELETE FROM tb_name WHERE id=3;

七、条件控制:

  1、WHERE 语句:

    >SELECT * FROM tb_name WHERE id=3;

  2、HAVING 语句:

    >SELECT * FROM tb_name GROUP BY score HAVING count(*)>2

  3、相关条件控制符: 

    =、>、<、<>、IN(1,2,3......)、BETWEEN a AND b、NOT

    AND 、OR

    Linke()用法中      %  为匹配任意、  _  匹配一个字符(可以是汉字)

    IS NULL 空值检测

 八、MySQL的正则表达式:

  1、Mysql支持REGEXP的正则表达式:

    >SELECT * FROM tb_name WHERE name REGEXP '^[A-D]'   //找出以A-D 为开头的name

  2、特殊字符需要转义。

 九、MySQL的一些函数:

  1、字符串链接——CONCAT()

    >SELECT CONCAT(name,'=>',score) FROM tb_name

  2、数学函数:

    AVG、SUM、MAX、MIN、COUNT;

  3、文本处理函数:

    TRIM、LOCATE、UPPER、LOWER、SUBSTRING

  4、运算符:

    +、-、*、\

  5、时间函数:

    DATE()、CURTIME()、DAY()、YEAR()、NOW().....

 十、分组查询:

   1、分组查询可以按照指定的列进行分组:

    >SELECT COUNT(*) FROM tb_name GROUP BY score HAVING COUNT(*)>1;

  2、条件使用Having;

  3、ORDER BY 排序:

    ORDER BY DESC|ASC    =>按数据的降序和升序排列

十一、UNION规则——可以执行两个语句(可以去除重复行)

 十二、全文检索——MATCH和AGAINST

  1、SELECT MATCH(note_text)AGAINST('PICASO') FROM tb_name;

  2、InnoDB引擎不支持全文检索,MyISAM可以;

 十三、视图

  1、创建视图

    >CREATE VIEW name AS SELECT * FROM tb_name WHERE ~~ ORDER BY ~~;

  2、视图的特殊作用:

      a、简化表之间的联结(把联结写在select中);

      b、重新格式化输出检索的数据(TRIM,CONCAT等函数);

      c、过滤不想要的数据(select部分)

      d、使用视图计算字段值,如汇总这样的值。

 十四、使用存储过程:

  个人理解,存储过程就是一个自定义函数,有局部变量参数,可传入参数,可以返回值,不过这语法够呆滞的~~~

  1、创建存储过程:

    >CREATE PROCEDURE pro(

    >IN num INT,OUT total INT)

    >BEGIN

    >SELECT SUM(score) INTO total FROM tb_name WHERE id=num;

    >END;

   ***这里的  IN (传递一个值给存储过程),OUT(从存储过程传出一个值),INOUT(对存储过程传入、传出),INTO(保存变量)

  2、调用存储过程:

    >CALL pro(13,@total)      //这里的存储过程两个变量,一个是IN一个是OUT,这里的OUT也是需要写上的,不写会出错

    >SELECT @total         //这里就可以看到结果了;

  3、存储过程的其他操作:

    >SHOW PROCEDURE STATUS;      //显示当期的存储过程

    >DROP PROCEDURE pro;         //删除指定存储过程

十五、使用游标:

  对这个理解不是很懂,朋友多多指点哦~~~

   1、游标的操作

    >CREATE PROCEDURE pro()

    >BEGIN 

    >DECLARE ordername CURSOR FOR

    >SELECT order_num FROM orders;

    >END;

    

    >OPEN ordername;    //打开游标

 

    >CLOSE ordername;    //关闭游标

十六、触发器:

  触发器是指在进行某项指定操作时,触发触发器内指定的操作;

  1、支持触发器的语句有DELETE、INSERT、UPDATE,其他均不支持

  2、创建触发器:

    >CREATE TRIGGER trig AFTER INSERT ON ORDERS FOR EACH ROW SELECT NEW.orser_name;

    >INSERT语句,触发语句,返回一个值

  3、删除触发器

    >DROP TRIGGER trig;

十七、语法整理:

  1、ALTER TABLE(修改表)

    ALTER TABLE table_name

    (  ADD    column  datatype    [ NULL | NOT NULL ]  [ CONSTRAINTS ]

       CHANGE  column   datatype   COLUMNS  [ NULL | NOT NULL ]   [ CONSTRAINTS ]

       DROP    column,

       。。。。

    )

  2、COMMIT(处理事务)

    >COMMIT;

   3、CREATE INDEX(在一个或多个列上创建索引)

    CREATE INDEX index_name ON tb_name (column [ ASC | DESC ] , .......);

   4、CREATE PROCEDURE (创建存储过程)

    CREATE PROCEDURE pro([ parameters ])

    BEGIN

    ........

    END

   5、CREATE TABLE(创建表)

    CREATE TABLE tb_name(

    column_name  datetype  [ NULL | NOT NULL ]   [ condtraints]   ,

    column_name  datetype  [ NULL | NOT NULL ]   [ condtraints]   ,

    .......

    PRIMARY KEY( column_name )

    )ENGINE=[  InnoDB | MyiSAM ]DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;

   6、CREATE USER(创建用户)

    CREATE USER user_name [ @hostname ] [ IDENTIFIED BY [ PASSWORD ] 'pass_word' ];

   7、CREATE VIEW (在一个或多个表上创建视图)

    CREATE [ OR REPLACE ] VIEW view_name AS SELECT。。。。。。

   8、DELETE (从表中删除一行或多行)

    DELETE FROM table_name [WHERE ......]

   9、DROP(永久删除数据库及对象,如视图、索引等)

    DROP DATEBASE | INDEX | PROCEDURE | TABLE | TRIGGER | USER | VIEW  name

   10、INSERT (给表添加行)

    INSERT INTO tb_name [ ( columns,...... ) ]  VALUES(value1,............);

    使用SELECT值插入:

    INSERT INTO tb_name [ ( columns,...... ) ]

    SELECT columns , .......   FROM tb_name [ WHERE ...... ] ;

   11、ROLLBACK(撤销一个事务处理块)

    ROLLBACK [  TO  savapointname  ];

   12、SAVEPOINT(为ROLLBACK设置保留点)

    SAVEPOINT sp1;

   13、SELECT (检索数据,显示信息)

    SELECT column_name,.....FROM tb_name  [ WHERE ]   [ UNION ]    [ RROUP BY ]   [ HAVING ]   [ ORDER BY ]

   14、START TRANSACTION (一个新的事务处理块的开始)

    START TRANSACTION

   15、UPDATE(更新一个表中的一行或多行)

    UPDATE tb_name SET column=value,......[ where ]


【后记】

     MySQL数据库是一个十分轻便的数据库管理系统,相比大型的数据库管理系统如Oracle、MS-SQL ,MySQL更拥有轻便、灵活、开发速度快的特色,更适用于中小型数据的存储与架构。MySQL之所以能够被数以万计的网站采用,也是由此而来。

   个人感觉开源轻量级的数据库也有大内容,从5版本以后,陆续支持了游标、触发器、事务、存储过程等高级应用,这也给MySQL的易用性和企业服务的发展添加了重要的砝码。

   数据库的基础很少,但数据库的性能优化却是最重要的,所以多多优化,必有裨益。

Mysql数据库insert、replace、update、delete、truncate、drop、select语句介绍 阅读详情

相关推荐

使用MySQL插入数据的语句

总结起来,MySQL中插入数据的语句是通过使用INSERT INTO语句来实现的。我们可以指定要插入的目标表和数据值,也可以使用SELECT语句将查询的结果插入到目标表中。在插入数据时,需要注意数据的完整性和一致性,以确保数据的准确性。在MySQL中,插入数据是一项基本的操作,它允许我们将新的数据行添加到数据库表中。需要注意的是,插入数据时要确保数据的完整性和一致性。除了单个插入数据,我们还可以使用INSERT INTO语句一次插入多个数据行。是目标表中要插入数据的列的名称。是要插入数据的目标表的名称。

ZaxfSass的博客 914

数据库语句大全

数据库语句大全 1.sql分类 DDL(Data Definition Language):数据定义语⾔,⽤来定义数据库对象:库、表、列等; DML(Data Manipulation Language):数据操作语⾔,⽤来定义数据库记录(数据); DCL(Data Control Language):数据控制语⾔,⽤来定义访问权限和安全级别; DQL(重要)(Data Query Language):数据查询语⾔,⽤来查询记录(数据)。 注意:sql语句以;结尾 2.DDL(操作库,表,列) 2.1.

weixin_55922907的博客 1万+

常用的 MySQL 数据库操作 SQL 语句总结

本文将介绍一些常用的 MySQL 数据库操作 SQL 语句,包括创建表、插入数据、查询数据、更新数据和删除数据等操作。通过这些语句,可以完成数据库的基本操作,包括创建表、插入数据、查询数据、更新数据和删除数据。删除数据是从数据库表中删除记录的操作,可以使用 DELETE FROM 语句来实现。插入数据是向数据库表中添加新记录的操作。更新数据是修改数据库表中已有记录的操作,可以使用 UPDATE 语句来实现。上述代码将更新 students 表中 name 为 ‘John’ 的记录的 age 字段为 21。

VcyReact的博客 91

Mysql - 常用插入数据的三种方法详解及练习

对于没有列出的字段,像自增列就自动赋值,像默认值列就自动赋默认值,像允许NULL的列就自动赋NULL值,但是非空列又没有提供默认值会自动赋值为对应数据类型的默认值,例如字符串赋值为空字符串,int赋值为0;1、值列表(值1,值2,......)的顺序、个数与字段列表(字段1,字段2,......) 中字段的顺序、个数一致。InnoDB表的自动增长列可以手动插入合适的值,但是插入的值如果是NULL或者0,则实际插入的将是自动增长后的值;4、如果插入从表的数据,要注意查看主表参照字段的值是否存在。

weixin_40968325的博客 3万+

Neo4j桌面版导入CVS文件

我们的relation.csv是这样的。

m0_53573725的博客 818

华为昇腾310P3+deepseek蒸馏版性能调优:FP16精度优化全记录

本文详细介绍了在华为昇腾310P3硬件环境下优化DeepSeek蒸馏版模型FP16精度的关键技术路径。通过分层量化策略、内存分配优化和并行计算配置,显著提升模型推理性能,实现83%的并发处理能力提升,同时保持98.7%的原始模型准确率。

weixin_29074409的博客 348

常用的Mysql数据库操作语句大全

零、用户管理:   1、新建用户:     &gt;CREATE USER name IDENTIFIED BY 'ssapdrow';   2、更改密码:     &gt;SET PASSWORD FOR name=PASSWORD('fdddfd');   3、权限管理     &gt;SHOW GRANTS FOR name;    //查看name用户权限     &gt;G...

weixin_34122604的博客 1万+

重磅!Repo Wiki!

RepoWiki是Qoder平台的智能文档生成功能,通过静态代码分析自动提取项目架构、模块依赖和核心逻辑,并持续追踪代码变更保持文档同步。其工作流程分为四个阶段:1)代码扫描与AST解析;2)结构分析与依赖映射;3)文档智能生成;4)增量更新机制。支持多种编程语言,能识别设计模式并推断技术决策,适用于新项目搭建和遗留系统维护。优势在于降低理解成本和提高开发效率,但存在文件数量限制和依赖Git的局限性。典型应用场景包括自动生成架构图、API手册和团队知识沉淀。

ayusong870的博客 4028

MySQL数据库test连接语句_MySql常用操作语句(1:启动、连接数据库及用户操作)...

下方将个人常用的MySql操作语句(Win7下)总结如下:1. 启动与关闭数据库“管理员”权限,MySql安装目录下bin目录//:1.1 启动@>net start mysql1.2 关闭@>net stop mysql;1.3 问题:服务名无效这种情况是mysql服务没有安装,这时需要在同个目录下安装服务:@>mysqld -install相应地,卸载命令是:@>my...

weixin_32419787的博客 1444

最新Python爬虫实战(入门爬虫篇)——案例17:某天气网40天天气预报数据采集(详细爬虫思路截图+抓包动图演示+完整爬虫代码+详细注释)

本次案例通过分析某天气网的数据接口,成功实现了对40天天气预报数据的批量采集。抓包分析:利用浏览器开发者工具找到隐藏的JSONP数据接口,掌握URL构成规律。请求模拟:构造带有Referer和User-Agent的请求头,添加时间戳参数避免缓存,获取原始数据。数据解析:处理JSONP格式,去除前缀后使用json模块解析,提取所需字段并规范化日期格式。数据存储:利用pandas将结构化数据保存为Excel文件,便于后续分析和使用。动态数据接口的发现与分析JSONP数据的清洗与解析。

努力让自己发光,对的人才能迎着光而来 22万+

APP签名验证全栈破解:Frida Hook绕过+算法逆向+Python一键调用(附可运行脚本)

做过APP逆向和爬虫的同学,肯定都被签名验证折磨过:改了一行代码重新打包,APP直接闪退;抓包看到接口有个sign参数,翻遍JS找不到加密逻辑;好不容易找到加密函数,一调用就崩溃。客户端APK签名校验服务端接口签名验证。前者防止你篡改APP,后者防止你伪造请求。很多人卡在第一步,改完APK就闪退,根本没机会碰接口。本文基于真实项目实战,分享一套通用的签名验证破解方案。从客户端APK签名校验的Frida Hook绕过,到服务端sign算法的逆向还原,最后用Python实现一键调用。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 964

MySQL常用操作(2) 之 用户管理、常用语句、数据库备份恢复

1. mysql用户管理 因为日常使用中,需要给人员的权限进行限制,所以需要对用户进行管理。 1.1 创建用户并授权 指定登录IP [root@host ~]# mysql -uroot -p Enter password: Welcome to the MySQL monitor. m...

chuyihuan7890的博客 160

ONNX Runtime C# YOLO全链路压测:从300ms到22ms的15个底层优化技巧

摘要:本文分享了工业质检场景下C#调用YOLOv8s ONNX模型的性能优化实战经验。原始单帧推理耗时300ms无法满足产线需求,通过全链路分析定位瓶颈(预处理85ms、推理180ms、后处理30ms)。重点优化措施包括:使用OpenCVSharp CUDA加速预处理(85ms→12ms),开启ONNX Runtime ALL级别图优化,选用TensorRT执行提供程序(180ms→22ms),以及优化内存管理和线程调度。最终实现单帧总耗时22ms±2ms,GPU利用率提升至85%,完整满足产线120块板/

2601_94871597的博客 402

mysql 数据库备份 sql语句_MySQL常用操作(2)MySQL用户管理、常用sql语句、 MySQL数据库备份恢复...

MySQL用户管理创建一个普通用户并且授权1.grant all on *.* to 'user1' identified by 'passwd';grant all on *.* to 'user1' identified by '123456';(创建user1用户,all表示所有权限(读、写,增、删、改、查等);*.*,前面的*表示所有的数据库,后面的*表示所有的表;identified b...

weixin_36469247的博客 374

C++之2048小游戏 第二期

游戏会有初始化、绘制界面、处理输入、更新游戏状态、判断胜负等部分。所以,可能需要一个二维数组来表示4x4的网格,存储每个格子的数值。然后,需要处理键盘输入,尤其是方向键的控制,这可能需要使用EasyX的键盘事件处理函数。然后,关于图形绘制部分,每个格子的大小、颜色、数字的显示都需要设计。不同的数字对应不同的颜色,比如2是浅色,4稍深,以此类推。可能需要一个函数根据数字的值返回对应的颜色,然后在绘制时调用。接下来,处理数字的移动和合并逻辑。这是比较复杂的部分。

Lucky_Glory的博客 805

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

mysql数据库的语句_常用的Mysql数据库操作语句大全

零、用户管理:1、新建用户:>CREATE USER name IDENTIFIED BY 'ssapdrow';2、更改密码:>SET PASSWORD FOR name=PASSWORD('fdddfd');3、权限管理>SHOW GRANTS FOR name; //查看name用户权限>GRANT SELECT ON db_name.* TO name;   ...

weixin_31231693的博客 346

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

mysql 切换用户的语句_MySQL常用操作(2) 之 用户管理、常用语句、数据库备份恢复...

1. mysql用户管理因为日常使用中,需要给人员的权限进行限制,所以需要对用户进行管理。1.1 创建用户并授权指定登录IP[root@host ~]# mysql -uroot -pEnter password:Welcome to the MySQL monitor.mysql> grant all on *.* to 'user1'@'127.0.0.1' identified by ...

weixin_35831315的博客 220

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

MySQL数据库常用操作语句大全

零、用户管理: 1、新建用户: >CREATE USER name IDENTIFIED BY ‘ssapdrow’; 2、更改密码: >SET PASSWORD FOR name=PASSWORD(‘fdddfd’); 3、权限管理 >SHOW GRANTS FOR name;    //查看name用户权限 >GRANT SELECT ON db_name.* TO na

XSysvermin_Li 的编程学习记录空间 664

mysql的操作语句_常用的Mysql数据库操作语句大全

零、用户管理:1、新建用户:>CREATE USER name IDENTIFIED BY 'ssapdrow';2、更改密码:>SET PASSWORD FOR name=PASSWORD('fdddfd');3、权限管理>SHOW GRANTS FOR name; //查看name用户权限>GRANT SELECT ON db_name.* TO name;   ...

weixin_29514913的博客 149

mysql数据库操作常用语句

dos窗口进入mysql方: 1 mysql -h localhost -u root -p (主机 用户名 密码) 2 mysql --host=localhost --user=root --password 3 mysql -u root -p 1,操作数据库: 显示所有数据库:show databases; 显示当前使用的数据库:select database(); 创建...

Smile_Sunny521的博客 306

mysql操作数据库语句大全_常用的Mysql数据库操作语句大全整理

一、用户管理:1、新建用户:>create user name identified by 'ssapdrow';2、更改密码:>set password for name=password('fdddfd');3、权限管理>show grants for name; //查看name用户权限> grant select on db_name.* to name;    /...

weixin_35353285的博客 2363

Mysql数据库常用操作语句大全

[TOC] 一.用户管理: 1.新建用户: CREATE USER name IDENTIFIED BY 'ssapdrow'; 2.更改密码: SET PASSWORD FOR name=PASSWORD('fdddfd'); 3.权限管理 SHOW GRANTS FOR name; //查看name用户权限 GRANT SELECT ON db_name.* TO name; //给name用户db_name数据库的所有权限 REVOKE SELECT ON db_name.* TO

滴水石穿 440

dos命令操作mysql数据库的常用语句

一、连接MYSQL   格式: mysql -h主机地址 -u用户名 -p用户密码   1、 连接到本机上的MYSQL。   首先打开DOS窗口,然后进入目录mysql\bin,再键入命令mysql -u root -p,回车后提示你输密码.注意用户名前可以有空格也可以没有空格,但是密码前必须没有空格,否则让你重新输入密码.   如果刚安装好MYSQL,超级用户root是没有密码的,故直接回车即可进入到MYSQL中了,MYSQL的提示符是: mysql>      2、连接到远程主机上的M

u011555996的博客 2564
上一篇: 实验一:顺序表
下一篇: 内部类:No enclosing instance
Coder_xh
博客等级 码龄9年 15粉丝 61原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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