04-05 mysql的学习笔记

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
一、数据库概述
    1.数据库的基本概念
    数据库(DB):指长期保存在计算机的存储设备上,按照一定规则组织起来,可以被各种用户或应用共享的数据集合。
    数据库管理系统(DBMS):指一种操作和管理数据库的大型软件,用于建立、使用和维护数据库,对数据库统一管理和控制。
    
    数据库:存储、维护和管理数据的集合
    2.常见数据库管理系统
    Oracle:目前比较成功的关系型数据库管理系统。主要应用于大型的企业数据库领域。
    DB2:IBM的产品
    SQL Server:Microsoft的产品。软件界面友好、在操作性和交互性方面独树一帜
    PostgreSQL:加州大学以教学目的开发的数据库系统,支持关系和面向对象的数据库,属于自由数据库管理系统
    MySQL:免费的数据库系统,被广泛用于中小型应用系统。
二、数据库的安装与配置
    1.卸载MySQL
    (1)停止MySQL  net stop mysql
    (2)添加删除程序中卸载MySQL
    (3)到安装目录删除MySQL
    (4)删除:C:\Documents and Settings\All Users\Application Data\MySQL
        C:\ProgramData\MySQL
    (5)查看注册表:
    HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services
    HKEY_LOCAL_MACHINE\SYSTEM\ControlSet001\Services
    HKEY_LOCAL_MACHINE\SYSTEM\ControlSet002\Services
    搜索mysql,找到一律干掉!
    ============================

不需要重启电脑(win xp),直接重新安装即可
    2.安装见详细链接(http://download.youkuaiyun.com/download/mind_programmonkey/9973991)
    3.修改密码
    运行cmd
        * 安装成功了打开cmd  --> mysql -uroot -p你的密码
        * 修改mysql root用户密码
            1) 停止mysql服务 运行输入services.msc 停止mysql服务
                或者 cmd -->  net stop mysql
            2) 在cmd下 输入 mysqld --skip-grant-tables 启动服务器 光标不动 (不要关闭该窗口)
            3) 新打开cmd 输入mysql -u root -p 不需要密码
            use mysql;
            update user set password=password('abc') WHERE User='root';
            4) 关闭两个cmd窗口 在任务管理器结束mysqld 进程
            5) 在服务管理页面 重启mysql 服务
            密码修改完成
            
三、sql的概述
    SQL:Structure Query Language。(结构化查询语言)
    SQL被美国国家标准局(ANSI)确定为关系型数据库语言的美国标准,后来被国际化标准组织(ISO)采纳为关系数据库语言的国际标准。
四、sql的分类
    DDL(Data Definition Language):数据定义语言,用来定义数据库对象:库、表、列等;     CREATE、 ALTER、DROP
    DML(Data Manipulation Language):数据操作语言,用来定义数据库记录(数据);        INSERT、 UPDATE、 DELETE
    DCL(Data Control Language):数据控制语言,用来定义访问权限和安全级别;
    DQL(Data Query Language):数据查询语言,用来查询记录(数据)。    SELECT
* 注意:sql语句以;结尾
五、数据库的操作
    1.创建数据库
    (1)创建一个名词为mydb1的数据库
    CREATE DATABSE mydb1;
    (2)创建一个使用gdk字符集的mydb2数据库
    CREATE DATABSE mydb2 character set gbk;
    2.查询数据库
    查看当前数据库服务器中的所有数据库
    show databases;
    查看前面创建的mydb2数据库的定义信息
    Show  create  database mydb2;
    删除前面创建的mydb3数据库
    Drop database mydb3;
    3.修改mysql
    查看服务器中的数据库,并把mydb2的字符集修改为utf8;
    alter database mydb2 character set utf8;
    4.其他:
    查看当前使用的数据库
    select database();
    切换数据库
    use mydb2;
六、数据表的操作
    * 语法:
            create table 表名(
                字段1 字段类型,
                字段2 字段类型,
                ...
                字段n 字段类型
            );
                
    * 常用数据类型:
            int:整型
            double:浮点型,例如double(5,2)表示最多5位,其中必须有2位小数,即最大值为999.99;
            char:固定长度字符串类型; char(10)  'abc       '
            varchar:可变长度字符串类型;varchar(10) 'abc'
            text:字符串类型;
            blob:字节类型;
            date:日期类型,格式为:yyyy-MM-dd;
            time:时间类型,格式为:hh:mm:ss
            timestamp:时间戳类型 yyyy-MM-dd hh:mm:ss  会自动赋值
            datetime:日期时间类型 yyyy-MM-dd hh:mm:ss

    当前数据库中的所有表
    SHOW TABLES;
    查看表的字段信息
    DESC employee;
    在上面员工表的基本上增加一个image列。
    ALTER TABLE employee ADD image blob;
    修改job列,使其长度为60。
    ALTER TABLE employee MODIFY job varchar(60);
    删除image列,一次只能删一列。
    ALTER TABLE employee DROP image;
    表名改为user。
    RENAME TABLE employee TO user;
    查看表格的创建细节
    SHOW CREATE TABLE user;
    修改表的字符集为gbk
    ALTER TABLE user CHARACTER SET gbk;
    列名name修改为username
    ALTER TABLE user CHANGE name username varchar(100);

    删除表
    DROP TABLE user ;
七、DML操作
    1.查询表中的所有数据
    SELECT * FROM 表名;

    DML是对表中的数据进行增、删、改的操作。不要与DDL混淆了。
    INSERT 、UPDATE、 DELETE

    小知识:
    在mysql中,字符串类型和日期类型都要用单引号括起来。'tom'  '2015-09-04'
    空值:null
    
    2.插入操作:INSERT:
    语法: INSERT INTO 表名(列名1,列名2 ...)VALUES(列值1,列值2...);
    注意:列名与列值的类型、个数、顺序要一一对应。
    可以把列名当做java中的形参,把列值当做实参。
    值不要超出列定义的长度。
    如果插入空值,请使用null
    插入的日期和字符一样,都使用引号括起来。
    练习 :
    create table emp(
    id int,
    name varchar(100),
    gender varchar(10),
    birthday date,
    salary float(10,2),
    entry_date date,
    resume text
    );

    INSERT INTO emp(id,name,gender,birthday,salary,entry_date,resume)
    VALUES(1,'zhangsan','female','1990-5-10',10000,'2015-5-5-','good girl');

    INSERT INTO emp(id,name,gender,birthday,salary,entry_date,resume)
    VALUES(2,'lisi','male','1995-5-10',10000,'2015-5-5','good boy');

    INSERT INTO emp(id,name,gender,birthday,salary,entry_date,resume)
    VALUES(3,'wangwu','male','1995-5-10',10000,'2015-5-5','good boy');

    批量插入:
    INSERT INTO emp VALUES
    (4,'zs','m','2015-09-01',10000,'2015-09-01',NULL),
    (5,'li','m','2015-09-01',10000,'2015-09-01',NULL),
    (6,'ww','m','2015-09-01',10000,'2015-09-01',NULL);
    
    3.删除操作 DELETE:
    语法 : DELETE FROM 表名 【WHERE 列名=值】
    练习 :
    删除表中名称为’zs’的记录。
    DELETE FROM emp WHERE name=‘zs’;
    删除表中所有记录。
    DELETE FROM emp;
    使用truncate删除表中记录。
    TRUNCATE TABLE emp;

    DELETE 删除表中的数据,表结构还在;删除后的数据可以找回
    TRUNCATE 删除是把表直接DROP掉,然后再创建一个同样的新表。
    删除的数据不能找回。执行速度比DELETE快。
八、DQL操作
    1 基础查询
        1.1 查询所有列
        SELECT * FROM stu;

        1.2 查询指定列
        SELECT sid, sname, age FROM stu;

    2 条件查询
        2.1 条件查询介绍
        条件查询就是在查询时给出WHERE子句,在WHERE子句中可以使用如下运算符及关键字:
        =、!=、<>、<、<=、>、>=;
        BETWEEN…AND;
        IN(set);
        IS NULL; IS NOT NULL
        AND;
        OR;
        NOT;

        2.2 查询性别为女,并且年龄50的记录
          SELECT * FROM stu
        WHERE gender='female' AND ge<50;

        2.3 查询学号为S_1001,或者姓名为liSi的记录
        SELECT * FROM stu
        WHERE sid ='S_1001' OR sname='liSi';

        2.4 查询学号为S_1001,S_1002,S_1003的记录
        SELECT * FROM stu
        WHERE sid IN ('S_1001','S_1002','S_1003');

        2.5 查询学号不是S_1001,S_1002,S_1003的记录
        SELECT * FROM tab_student
        WHERE s_number NOT IN ('S_1001','S_1002','S_1003');

        2.6 查询年龄为null的记录
        SELECT * FROM stu
        WHERE age IS NULL;

        2.7 查询年龄在20到40之间的学生记录
        SELECT *
        FROM stu
        WHERE age>=20 AND age<=40;
        或者
        SELECT *
        FROM stu
        WHERE age BETWEEN 20 AND 40;

        2.8 查询性别非男的学生记录
        SELECT *
        FROM stu
        WHERE gender!='male';
        或者
        SELECT *
        FROM stu
        WHERE gender<>'male';
        或者
        SELECT *
        FROM stu
        WHERE NOT gender='male';

        2.9 查询姓名不为null的学生记录
        SELECT *
        FROM stu
        WHERE sname IS NOT NULL;
        或者
        SELECT *
        FROM stu
        WHERE NOT sname IS NULL;


    3 模糊查询
        当想查询姓名中包含a字母的学生时就需要使用模糊查询了。模糊查询需要使用关键字LIKE。
        通配符:
        _ 任意一个字符
            %:任意0~n个字符

        '%张%'  '张_'
        3.1 查询姓名由5个字母构成的学生记录
        SELECT *
        FROM stu
        WHERE sname LIKE '_____';
        模糊查询必须使用LIKE关键字。其中 “_”匹配任意一个字母,5个“_”表示5个任意字母。

        3.2 查询姓名由5个字母构成,并且第5个字母为“i”的学生记录
        SELECT *
        FROM stu
        WHERE sname LIKE '____i';

        3.3 查询姓名以“z”开头的学生记录
        SELECT *
        FROM stu
        WHERE sname LIKE 'z%';
        其中“%”匹配0~n个任何字母。

        3.4 查询姓名中第2个字母为“i”的学生记录
        SELECT *
        FROM stu
        WHERE sname LIKE '_i%';

        3.5 查询姓名中包含“a”字母的学生记录
        SELECT *
        FROM stu
        WHERE sname LIKE '%a%';

    4 字段控制查询
        4.1 去除重复记录
        去除重复记录(两行或两行以上记录中系列的上的数据都相同),例如emp表中sal字段就存在相同的记录。当只查询emp表的sal字段时,那么会出现重复记录,那么想去除重复记录,需要使用DISTINCT:
        SELECT DISTINCT sal FROM emp;

        4.2 查看雇员的月薪与佣金之和
          因为sal和comm两列的类型都是数值类型,所以可以做加运算。如果sal或comm中有一个字段不是数值类型,那么会出错。
        SELECT *,sal+comm FROM emp;

        comm列有很多记录的值为NULL,因为任何东西与NULL相加结果还是NULL,所以结算结果可能会出现NULL。下面使用了把NULL转换成数值0的函数IFNULL:
        SELECT *,sal+IFNULL(comm,0) FROM emp;

        4.3 给列名添加别名
        在上面查询中出现列名为sal+IFNULL(comm,0),这很不美观,现在我们给这一列给出一个别名,为total:
        SELECT *, sal+IFNULL(comm,0) AS total FROM emp;
        给列起别名时,是可以省略AS关键字的:
        SELECT *,sal+IFNULL(comm,0)  total FROM emp;

    5 排序  order by 列名 asc(默认) desc
        5.1 查询所有学生记录,按年龄升序排序
        SELECT *
        FROM stu
        ORDER BY sage ASC;
        或者
        SELECT *
        FROM stu
        ORDER BY sage;

        5.2 查询所有学生记录,按年龄降序排序
        SELECT *
        FROM stu
        ORDER BY age DESC;

        5.3 查询所有雇员,按月薪降序排序,如果月薪相同时,按编号升序排序
        SELECT * FROM emp
        ORDER BY sal DESC,empno ASC;

    6 聚合函数  sum avg max min count
        聚合函数是用来做纵向运算的函数:
        COUNT():统计指定列不为NULL的记录行数;
        MAX():计算指定列的最大值,如果指定列是字符串类型,那么使用字符串排序运算;
        MIN():计算指定列的最小值,如果指定列是字符串类型,那么使用字符串排序运算;
        SUM():计算指定列的数值和,如果指定列类型不是数值类型,那么计算结果为0;
        AVG():计算指定列的平均值,如果指定列类型不是数值类型,那么计算结果为0;

        6.1 COUNT
        当需要纵向统计时可以使用COUNT()。
        查询emp表中记录数:
        SELECT COUNT(*) AS cnt FROM emp;

        查询emp表中有佣金的人数:
        SELECT COUNT(comm) cnt FROM emp;
        注意,因为count()函数中给出的是comm列,那么只统计comm列非NULL的行数。

        查询emp表中月薪大于2500的人数:
        SELECT COUNT(*) FROM emp
        WHERE sal > 2500;

        统计月薪与佣金之和大于2500元的人数:
        SELECT COUNT(*) AS cnt FROM emp WHERE sal+IFNULL(comm,0) > 2500;

        查询有佣金的人数,有领导的人数:
        SELECT COUNT(comm), COUNT(mgr) FROM emp;

        6.2 SUM和AVG
        当需要纵向求和时使用sum()函数。
        查询所有雇员月薪和:
        SELECT SUM(sal) FROM emp;

        查询所有雇员月薪和,以及所有雇员佣金和:
        SELECT SUM(sal), SUM(comm) FROM emp;

        查询所有雇员月薪+佣金和:
        SELECT SUM(sal+IFNULL(comm,0)) FROM emp;

        统计所有员工平均工资:
        SELECT AVG(sal) FROM emp;

        6.3 MAX和MIN
        查询最高工资和最低工资:
        SELECT MAX(sal), MIN(sal) FROM emp;

    7 分组查询

        当需要分组查询时需要使用GROUP BY子句,例如查询每个部门的工资和,这说明要使用部门来分组。
        注:凡和聚合函数同时出现的列名,一定要写在group by 之后


        7.1 分组查询
        查询每个部门的部门编号和每个部门的工资和:
        SELECT deptno, SUM(sal)
        FROM emp
        GROUP BY deptno;

        查询每个部门的部门编号以及每个部门的人数:
        SELECT deptno,COUNT(*)
        FROM emp
        GROUP BY deptno;

        查询每个部门的部门编号以及每个部门工资大于1500的人数:
        SELECT deptno,COUNT(*)
        FROM emp
        WHERE sal>1500
        GROUP BY deptno;

        7.2 HAVING子句
        查询工资总和大于9000的部门编号以及工资和:
        SELECT deptno, SUM(sal)
        FROM emp
        GROUP BY deptno
        HAVING SUM(sal) > 9000;
          
            注:having与where的区别:
                1.having是在分组后对数据进行过滤.
                  where是在分组前对数据进行过滤
                
        2.having后面可以使用聚合函数(统计函数)
                  where后面不可以使用聚合函数。
        WHERE是对分组前记录的条件,如果某行记录没有满足WHERE子句的条件,那么这行记录不会参加分组;而HAVING是对分组后数据的约束。


    8 LIMIT  方言
        LIMIT用来限定查询结果的起始行,以及总行数。

        8.1 查询5行记录,起始行从0开始
        SELECT * FROM emp LIMIT 0, 5;

        注意,起始行从0开始,即第一行开始!

        8.2 查询10行记录,起始行从3开始
        SELECT * FROM emp LIMIT 3, 10;

        8.3 分页查询
        如果一页记录为10条,希望查看第3页记录应该怎么查呢?
        第一页记录起始行为0,一共查询10行;
        第二页记录起始行为10,一共查询10行;
        第三页记录起始行为20,一共查询10行;
        8.3 查询代码的书写顺序和执行顺序
            查询语句书写顺序:select – from- where- group by- having- order by-limit
            查询语句执行顺序:from - where -group by - having - select - order by-limit    

九、数据完整性
        作用:保证用户输入的数据保存到数据库中是正确的。
        确保数据的完整性 = 在创建表时给表中添加约束
        完整性的分类:
        > 实体完整性
        > 域完整性
        > 引用完整性
    1、实体完整性
        实体:即表中的一行(一条记录)代表一个实体(entity)
        实体完整性的作用:标识每一行数据不重复。
        约束类型: 主键约束(primary key)  唯一约束(unique)  自动增长列(auto_increment)

    1.1主键约束(primary key)
        特点:数据唯一,且不能为null
        例:
        第一种添加方式:
        CREATE TABLE student(
        Id int primary key,
        Name varchar(50)
        );
        第一种添加方式:此种方式优势在于,可以创建联合主键
        CREATE TABLE student(
        id int,
        Name varchar(50),
        Primary key(id)
        );
        CREATE TABLE student(
        id int,
        Name varchar(50),
        Primary key(id,name)
        );
        第三种添加方式:
        CREATE TABLE student(
        Id int,
        Name varchar(50)
        );
        ALTER TABLE student
        ADD  PRIMARY KEY (id);

    1.2唯一约束(unique):
            CREATE TABLE student(
        Id int primary key,
        Name varchar(50) unique
        );


    1.3自动增长列(auto_increment)

        给主键添加自动增长的数值,列只能是整数类型,但是如果删除之前增长的序号,后面再添加的时候序号不会重新开始,而是会接着被删除的那一列的序号
        CREATE TABLE student(
        Id int primary key auto_increment,
        Name varchar(50)
        );

        INSERT INTO student(name) values(‘tom’);

    2、域完整性
        域完整性的作用:限制此单元格的数据正确,不对照此列的其它单元格比较
        域代表当前单元格
        域完整性约束:数据类型 非空约束(not null) 默认值约束(default)
        Check约束(mysql不支持) check();
    2.1 数据类型:(数值类型、日期类型、字符串类型)
    2.2 非空约束:not null
        CREATE TABLE student(
        Id int pirmary key,
        Name varchar(50) not null,
        Sex varchar(10)
        );

        INSERT INTO student values(1,’tom’,null);

    2.3 默认值约束 default
        CREATE TABLE student(
        Id int pirmary key,
        Name varchar(50) not null,
        Sex varchar(10) default ‘男’
        );

        insert into student1 values(1,'tom','女');
        insert into student1 values(2,'jerry',default);
    3、引用完整性
        要有外键必须先有主键,主键和外键的类型必须一致
Ubuntu18.04.05允许root用户远程登录 1、进入Ubuntu系统 首先使用普通用户登录到Ubuntu系统,然后使用sudo命令切换到root用户下: 设置root密码:sudo passwd root 切换到root用户命令:su 输入密码 登录到root账户 2、编辑SSH服务配置文件 编辑SSH服务的配置文件sshd_config,修改SSH的端口和root用户权限。 使用到的命令:(按字母“i”进入编辑模式,按ESC退出编辑模式,“:wq”保存退出)。 vim /etc/ssh/sshd_config 1、找到# p... 阅读详情

相关推荐

基于单片机智能家居控制系统设计

*单片机设计介绍,基于单片机智能家居控制系统设计。

QQ2193276455的博客 1718

mysql常用语句之DQL:查询语句

数据库查询语句

qq_15125937的博客 2331

Ubuntu 22.04下Nvidia显卡驱动安装全攻略:从PPA源到避坑指南

本文详细介绍了在Ubuntu 22.04系统下安装Nvidia显卡驱动的完整流程,包括PPA源的使用、旧驱动清理、安装后验证及常见问题解决方案。特别针对机器学习开发者和图形设计师,提供了从基础安装到性能调优的全方位指南,帮助用户避免常见安装陷阱并优化GPU性能。

weixin_29213655的博客 382

MySQL常用语句大全

本文主要记录了常用的SQL语句,欢迎收藏,如果觉得对你有帮助就动动你的小手指给我一个赞👍,你的支持将是我持续输出的动力

热爱编程、热爱生活、热爱探索 5万+

App inventor2通过蓝牙控制Arduino Uno LED开关

App inventer2控制Arduino Uno LED开关 如果学会这个小程序,大部分的手机通过蓝牙控制Arduino的功能都可以实现,这个小示例是通过蓝牙模块向Arduino发送"0"和"1",而其它功能要发送其它不同的字符串内容给Arduino. 所需硬件: Arduino Uno JDY-16 蓝牙模块(我的是蓝牙4.2版本) 草帽LED(可选) 手机(我用的是安卓,苹果手机应该也可以,最近其应用商店也有App inventor(AI)伴侣) 软件: Aduino IDE或者Platfom

Firmin123456的博客 5501

PCRNet: Point Cloud Registration Network using PointNet Encoding

PCRNet算是在ModelNet40这种object-centric数据集上用deep-learning做配准最好入手的一篇文章了,整体架构涉及简洁明了,一句话描述就是简单粗暴,话不多说,直接上网络架构图: Work Flow: 首先对输入source (N×3N \times 3N×3)与template (M×3M \times 3M×3)进行PointNet操作,即MLP + max-pooling后,分别得到描述各自点云的维度为1024的global feature vector:Φ(PS).

dloading7的博客 1648

mysql sql语句大全

1、说明:创建数据库 CREATE DATABASE database-name 2、说明:删除数据库 drop database dbname 3、说明:备份sql server --- 创建 备份数据的 device USE master EXEC sp_addumpdevice 'disk', 'testBack', 'c:\mssql7backup\MyNwin...

dibodang1423的博客 2368

Dify+工作流,通过多模态实现发票自动识别

上个章节我们用Dify实现了基于本地知识库的聊天助手,本节我们通过工作流 ,可视化界面快速构建复杂的工作流和自动化流程。结合 OCR(光学字符识别)技术和工作流引擎,可以实现发票的自动识别、数据提取以及后续的审批流程。本文将详细介绍如何使用 Dify 和工作流来实现发票的自动识别与审批。

odin2005的博客 7426

mysql语法大全

首先来一个全局总览,后面我会分别对每个命令进行说明:然后输入密码登录数据库否则,打开mysql command line并输入密码进入数据库。

liulanba的博客 4万+

基于MATLAB的最大重叠离散小波变换(MODWT)算法详解

最大重叠离散小波变换(Maximal Overlap Discrete Wavelet Transform, MODWT)是DWT的重要改进形式,由Percival和Walden等人在20世纪90年代系统提出并完善。MODWT通过消除下采样操作,采用样本平移不变的分解方式,解决了DWT的多个固有缺陷。MODWT的核心创新在于取消下采样环节。与DWT每级分解后对滤波输出进行二分下采样不同,MODWT在每一级都使用相同的滤波器,但通过插入零值的方式调整滤波器系数,保持每级系数数量与原始信号相同。

qq_42212808的博客 116

安装 miniconda linux

安装 miniconda linux

jacke121的专栏 1万+

2009-05-31--06-02 MySQL学习笔记04

1.数据库名 在文件系统中,MySQL的数据存储区以目录方式表示MySQL数据库,所以数据库名必须与目录名一致。包含特殊字符或者全部由数字或保留字组成的数据库名必须用符号“`”引起来。mysql> create da...

ckgkt7510的博客 86

云计算 | 期末梳理(上)

2024云计算回忆版 && 复盘向梳理

知识库搭建ing 2235

《MySQL实战45讲》——学习笔记04-05 “深入浅出索引、最左前缀原则、索引下推优化“

《MySQL实战45讲》——学习笔记04-05 04 | 深入浅出索引(上)-极客时间 05 | 深入浅出索引(下)-极客时间

娜娜米的博客 690

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

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&#39;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(&#39;DeepLearnToolbox&#39;));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(&#39;state&#39;,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&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,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 = &#39;sigm&#39;;%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, &#39;Too big error&#39;);```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(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;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)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;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, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% 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&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 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, &#39;Too big error&#39;);```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(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % 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, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);%% 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(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

基于SSM云的学习笔记系统设计与开发

随着互联网时代的发展,传统的线下管理技术已无法高效、便捷的管理信息。为了迎合时代需求,优化管理效率,各种各样的管理系统应运而生,学习笔记系统建设也逐渐进入了信息化时代。这个系统的设计主要包括一个前台界面和方便管理员和用户两者互动的后端数据库,要求系统需要良好的数据处理能力、友好的界面和易用的功能。数据要被工作人员通过界面操作传输至数据库中。

qiufangtaowvnyyidtf的博客 809

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

ubuntu20.04安装mysql数据库

ubuntu20.04安装mysql数据库

孤寒者的博客 3万+

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

尚硅谷MySQL学习笔记

MySQL笔记目录一、MySQL数据库基础篇大纲1. 数据库概述与MySQL安装篇第01章:数据库概述第02章:MySQL环境搭建2. SQL之SELECT使用篇第03章:基本的SELECT语句第04章:运算符第05章:排序与分页第06章:多表查询第07章:单行函数第08章:聚合函数第09章:子查询3. SQL之DDL、DML、DCL使用篇第10章:创建和管理表第11章:数据处理之增删改第12章:MySQL数据类型精讲第13章:约束4. 其它数据库对象篇第14章:视图第15章:存储过程与函数第16章:变量、

IAMLSL的博客 2万+

在 Ubuntu 24.04 LTS 上安装 MySQL 8

在开始安装 MySQL 之前,确保你的系统软件包是最新的。

qq_47753695的博客 7488

在Ubuntu 16.04上安装MySQL的方法

MySQL 是一个开源的数据库管理系统,通常作为流行的 LAMP(Linux、Apache、MySQL、PHP/Python/Perl)堆栈的一部分安装。它使用关系数据库和 SQL(结构化查询语言)来管理其数据。安装的简短版本很简单:更新软件包索引,安装软件包,然后运行附带的安全脚本。本教程将解释如何在 Ubuntu 16.04 服务器上安装 MySQL 版本 5.7。但是,如果您想要将现有的 MySQL 安装更新到版本 5.7,您可以阅读这篇 MySQL 5.7 更新指南。

rubys007的博客 2403

MySQL学习使用[9天系列 学习笔记 Day05]

MySQL学习使用[9天系列 学习笔记 Day05] 统计函数和其他函数的使用

besthtml的博客 396

在Ubuntu 18.04上安装MySQL的方法

MySQL 是一个开源的数据库管理系统,通常作为流行的 LAMP(Linux、Apache、MySQL、PHP/Python/Perl)堆栈的一部分安装。它使用关系数据库和 SQL(结构化查询语言)来管理数据。安装的简短版本很简单:更新软件包索引,安装软件包,然后运行附带的安全脚本。本教程将解释如何在 Ubuntu 18.04 服务器上安装 MySQL 版本 5.7。但是,如果您想要将现有的 MySQL 安装更新到版本 5.7,您可以阅读这篇 MySQL 5.7 更新指南。

rubys007的博客 2377

MySQL学习笔记01【数据库概念、MySQL安装与使用】

MySQL数据库软件 MySQL数据库的安装 MySQL数据库的卸载 MySQL服务(启动与关闭) 登录 本地/异地 MySQL MySQL安装目录 MySQL数据目录

upward 865

在Ubuntu 14.04上安装MySQL的方法

MySQL 是一个开源的数据库管理系统,通常作为流行的 LAMP(Linux、Apache、MySQL、PHP/Python/Perl)堆栈的一部分安装。它使用关系数据库和 SQL(结构化查询语言)来管理其数据。安装的简短版本很简单:更新软件包索引,安装软件包,然后运行附带的安全性和数据库初始化脚本。本教程将解释如何在 Ubuntu 14.04 服务器上安装 MySQL 版本 5.5、5.6 或 5.7。如果您想要更多关于这些安装说明的细节,或者想要安装特定版本的 MySQL,请继续阅读。

rubys007的博客 1359

【MySQL 01】在 Ubuntu 22.04 环境下安装 MySQL

安装 MySQL

shangguanxiu的博客 1215

尚硅谷MySQL从入门到大牛 | 学习笔记目录以及建议

说明:根据所做笔记。

m0_74795952的博客 3045

Ubuntu20.04下安装MySQL

MySQL安装查看虚拟机版本安装MySQL下载MySQL安装包初始化配置检查MySQL服务状态了解基本架构开启MySQL 查看虚拟机版本 首先来看看我们的虚拟机的版本 cat(英文全拼:concatenate)命令用于连接文件并打印到标准输出设备上。 ➜ /proc cat version Linux version 5.4.0-47-generic (buildd@lcy01-amd64-014) (gcc version 9.3.0 (Ubuntu 9.3.0-10ubuntu2)) #51-Ub

遇事不决,问春风 808
上一篇: 搭建JSP开发环境
下一篇: 06 JDBC学习笔记
mind_programmonkey
mind_programmonkey 领域专家: 算法与数据结构技术领域 领域专家: 算法与数据结构技术领域
博客等级 码龄9年 4435粉丝 1111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

打赏作者

mind_programmonkey

你的鼓励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