JDBC学习总结

JDBC 学习总结     学完JDBC,决定写一篇文章。一是对知识的总结,二是锻炼自己的写作能力。之前学完一些东西,没有认真记笔记的习惯,学完之后没过多久就全忘记了,再看又是一脸懵逼,希望以后能养成学完及时总结的习惯。   一,概念       JDBC(Java DataBase Connectivity,java数据库连接)是一种用于执行SQL语句的Java API,可以为多种关系数据库提供统一访问,它由一组用... 阅读详情

JDBC学习总结

遇到的问题:

mysql版本为8.1,而学校jar包为5.6版本导致,数据库驱动不起来,之后写JDBC需要注意

解决方法:安装8.1版本的jar包

8.1版本jar包驱动方式

public class DBUtil {
	private static final String jdbcUrl="jdbc:mysql://localhost:3306/booklib?useUnicode=true&useSSL=false&serverTimezone = GMT";  //booklib为连接的数据库名称,问号后面一加,绝对可以跑
	//	private static final String jdbcUrl="jdbc:mysql://localhost:3306/booklib?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT";
	private static final String dbUser="root";  //mysql账号密码
	private static final String dbPwd="zucc";
	static{
		try {
			Class.forName("com.mysql.cj.jdbc.Driver");  
			//8版本驱动在mysql.cj.jdbc.Driver,5.6版本在mysql.jdbc.Driver
		} catch (ClassNotFoundException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
	public static Connection getConnection() throws java.sql.SQLException{
		return java.sql.DriverManager.getConnection(jdbcUrl, dbUser, dbPwd);
	}
}

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

连接池:

package cn.edu.zucc.booklib.util;

import java.sql.Connection;
import java.sql.SQLException;
import java.beans.PropertyVetoException;
import com.mchange.v2.c3p0.ComboPooledDataSource;

public class DBPool {
	private static DBPool dbPool;
	private ComboPooledDataSource dataSource;
	/*static静态块。静态块是一个包含代码的范围,这个范围的代码只被执行一次,
	那什么时候执行呢? 当类代码被加载到内存的时候,执行一次,之后不再执行。*/
	static {
		dbPool = new DBPool();
	}

	public DBPool() {
		try {
			dataSource = new ComboPooledDataSource();
			dataSource.setUser("root");
			dataSource.setPassword("root");
			dataSource.setJdbcUrl("jdbc:mysql://localhost:3306/booklib?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT");
			dataSource.setDriverClass("com.mysql.cj.jdbc.Driver");
			dataSource.setInitialPoolSize(2);
			dataSource.setMinPoolSize(1);  //定义最小连接数量
			dataSource.setMaxPoolSize(10);
			dataSource.setMaxStatements(50);
			dataSource.setMaxIdleTime(60);
		} catch (PropertyVetoException e) {
			throw new RuntimeException(e);
		}
	}

	public final static DBPool getInstance() {
		return dbPool;
	}

	public final Connection getConnection() {
		try {
			return dataSource.getConnection();
		} catch (SQLException e) {
			throw new RuntimeException("无法从数据源获取连接 ", e);
		}
	}
	public static void main(String[] args) throws SQLException {
		Connection con = null;
		try {
			con = DBPool.getInstance().getConnection();
			java.sql.ResultSet rs=con.createStatement().executeQuery("select * from Beanbook");
			while(rs.next())
				System.out.println(rs.getString(1));
		} catch (Exception e) {

		} finally {
			if (con != null)
				con.close();
		}
	}

}

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60

JDBC使用

其实很简单,方法如下:
首先Connection conn 创立一个连接,之后String sql =“mysql语句”,这个看本事了
创建PreparedStatement对象,java.sql.PrepareStatement pst=conn.prepareStatement(sql)
获取结果用ResultSet对象,java.sql.ResultSet rs = pst.executeQuery();
遍历结果 while(rs.next){}

		Connection conn = null;
		try {
			conn = DBPool.getInstance().getConnection();
			String sql = "select readerid,count(*) from beanbooklendrecord where returnDate is null GROUP BY readerid";
			java.sql.PreparedStatement pst = conn.prepareStatement(sql);
			java.sql.ResultSet rs = pst.executeQuery();
			while(rs.next()) {
				/*mp.put(rs.getString(1),rs.getInt(2));*/
			}
			pst.close();
			rs.close();
			return mp;
		}catch (SQLException e) {
			e.printStackTrace();
			throw new DbException(e);
		}
		finally{
			if(conn!=null)
				try {
					conn.close();
				} catch (SQLException e) {
					// TODO Auto-generated catch block
					e.printStackTrace();
				}
		}

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25

JDBC事务处理

1.事务必须满足的四个条件:

  • 事务的原子性( Atomicity):一组事务,要么成功;要么撤回。
  • 一致性 (Consistency):事务执行后,数据库状态与其他业务规则保持一致。如转账业务,无论事务执行成功否,参与转账的两个账号余额之和应该是不变的。
  • 隔离性(Isolation):事务独立运行。一个事务处理后的结果,影响了其他事务,那么其他事务会撤回。事务的100%隔离,需要牺牲速度。
  • 持久性(Durability):软、硬件崩溃后,InnoDB数据表驱动会利用日志文件重构修改。可靠性和高速度不可兼得

2.MySQL中的事务

  • 开启事务:start transaction
  • 结束事务:commit或rollback

3.JDBC中事务处理
感觉就这里有用

try{
     con.setAutoCommit(false);//开启事务
     ......
     con.commit();//try的最后提交事务      
} catch() {
    con.rollback();//回滚事务
}

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

详细看这篇博客

Java的一些特性:

关于接口实例化,在我原来的印象中,接口是不能实例化的,但是有经常看到:

public void lendbooks(String readerId,Collection<String> barcodes)
Map<String,Integer> mp = HashMap<String,Integer>();

   
  • 1
  • 2

就很疑惑,Collection不是接口吗?为什么也可以当类一样实例化?

原因是接口不能被实例化,但是可以通过实现接口的子类创建对象赋值给接口,子类创建对象赋值给接口后,接口再赋值给子类需要强制转换。
可以看这篇博客

IDEA的一小问题:

明明感觉没有错误,但是一堆飘红,解决方法:重启IDEA。
解决Cannot resolve symbol的方法

Update:

今天写实验的时候,发现了update视图会报错,具体错误如下:
同时,发现数据库中的数据进行了更新,视图中的数据也会更新,并不需要新建视图?
奇怪:那视图是不是就一直不用更新了?

The target table view_book of the UPDATE is not updatable

   
  • 1

查阅资料发现:具体可以看这篇博客
定义视图的select语句不能包含以下任何元素,否则无法修改:

聚合函数,如:min,max,sum,avg,count等。
DISTINCT子句
GROUP BY子句
HAVING子句
左连接或外连接。
UNION或UNION ALL子句
SELECT子句中的子查询或引用该表的where子句中的子查询出现在FROM子句中。
引用FROM子句中的不可更新视图
仅引用文字值
对基表的任何列的多次引用

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

事务批处理

简单来说就是一次处理多个sql语句,据说速度会更快,要开事务处理,因为原子特性,要么一起完成,要不都不完成
使用方法如下:以preparedStement为例

		try {
			conn = DBPool.getInstance().getConnection();
			conn.setAutoCommit(false);//开启事务
			String sql = "insert into beanbooklendrecord (readerid,bookBarcode,lendDate,lendOperUserid) values(?,?,Now(),'admin')";
			java.sql.PreparedStatement pst = conn.prepareStatement(sql);
			for(String it:barcodes) {
				pst.setString(1, readerId);
				pst.setString(2, it);
				pst.addBatch();  //添加到同一个批处理
			}
			pst.executeBatch(); //执行批处理
			conn.commit();//try的最后提交事务 
			pst.close();
		}catch (SQLException e) {
			conn.rollback();  
			e.printStackTrace();
			throw new DbException(e);
		}

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

ZUCC mysql大作业项目:

仅参考

1.建表语句:

create TABLE 	`beanplan` (
`planid` varchar(20) NOT NULL,
`planname` varchar(50) NOT NULL,
`stepNum` int(11) NOT NULL,
`accomplishedStepNum` int(11) NOT NULL,
 PRIMARY KEY (`planid`)
)ENGINE=InnoDB DEFAULT CHARSET =utf8;

create table 	`beanstep` (
`belongplanid` varchar(20) NOT NULL,
`stepname` varchar(50) NOT NULL,
`beginDate` datetime NOT NULL,
`accomplishdate` datetime NOT NULL,
`realbegindate` datetime DEFAULT NULL,
`realaccomplishdate` datetime DEFAULT NULL,
 PRIMARY KEY (`belongplanid`,`stepname`),
 CONSTRAINT `fk_belongplanid` FOREIGN KEY (`belongplanid`) REFERENCES `beanplan` (`planid`) ON DELETE NO ACTION ON UPDATE NO ACTION
)ENGINE=InnoDB DEFAULT CHARSET =utf8;
//这边用planId和stepName做主键,可以确定一条记录

CREATE TABLE `beanuser` (
  `userid` varchar(20) NOT NULL,
  `username` varchar(50) NOT NULL,
  `pwd` varchar(32) NOT NULL,
  `createDate` datetime NOT NULL,
  `removeDate` datetime DEFAULT NULL,
  PRIMARY KEY (`userid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28

后面只写了登录界面和用户管理,之后会更新

python气象数据可视化学习笔记8——利用matplotlib和ERA5数据绘制时间-高度气象综合廓线图 利用matplotlib和ERA5数据绘制时间-高度气象综合廓线图 阅读详情

相关推荐

CentOS7环境下搭建 rsyslog 日志服务器,rsyslog+loganalyzer

1.系统环境部署 ip hostname 192.168.200.182 web 192.168.200.184 rsyslog-mysql 关闭防火墙、selinux、下载epel源 [root@web ~]# systemctl status firewalld.service ● firewalld.service - firewalld - dynamic firewall daemon Loaded: loaded (/usr/lib/systemd/system/f

sehn_的博客 3757

Cannot resolve symbol 解决方案汇总(6种解决方案)

Cannot resolve symbol 解决方案汇总(6种解决方案)

qq_40698086的博客 22万+

深入解析BLheli电调固件与Dshot通讯协议:从原理到实践

本文深入解析了无人机动力系统的核心——BLheli电调固件与Dshot通讯协议。详细阐述了BLheli固件从经典版到BLheli_32的演进及其功能特性,并重点剖析了Dshot数字协议如何通过数据包和校验码实现更快、更准、更可靠的电机控制。文章还涵盖了双向Dshot遥测、实战配置与调参指南,帮助玩家充分释放无人机性能。

weixin_28273593的博客 437

Android Studio 出现“Cannot resolve symbol” 解决办法

(一) Android Studio 无法识别同一个package里的其他类,将其显示为红色,但是compile没有问题。鼠标放上去后显示 “Cannot resolve symbol XXX”,重启 Android Studio,重新sync gradle,Clean build都没有用。 多半是因为Android Studio之前发生了错误,某些setting出了问题。解决方法如下: 点击菜单中的“File” -> “Invalidate Caches / Restart”...

Inkpore的博客 3万+

手把手教你学simulink(32.1)--汽车电动机管理场景示例:基于Simulink的发动机管理系统中的混合动力车辆能量管理优化

本项目旨在设计和实现一个用于混合动力车辆(Hybrid Electric Vehicle, HEV)的能量管理优化系统(Energy Management Optimization System, EMOS)。通过Simulink进行建模和仿真,确保系统的稳定性和性能。该系统采用了先进的控制策略,如模型预测控制(MPC)、模糊逻辑控制、自适应控制等,以优化燃油经济性、减少排放,并提高驾驶体验。

MHD0815的博客 187

一个超酷的开源uHand2.0机械手掌项目

uHand2.0是深圳乐幻索尔公司开源的一款机械手掌,它长下面这个样子:1、uHand2.0外观图之前在公众号就分享过视频:学习嵌入式可以带娃,不信你们看2、uHand2.0硬件原理图看...

Bruce.yang的嵌入式之旅 4461

IDEA中 Can‘t Resolve Symbol解决方案

IDEA中 Can’t Resolve Symbol解决方案 实际开发中会出现import XXXXX【路径存在】后 IDEA 任然无法读取所得路径下的文件信息【类,方法】 解决方案 点击 File-> Invalidate Caches /Restart 选项 清除缓存并重启IDEA ...

contact97的博客 1727

从零玩转Vitis裸机开发:手把手教你创建、移植与实战优化

✅ Vitis裸机开发全流程✅ 中断系统配置技巧✅ 跨平台移植方法论✅ 性能优化实战经验研究FreeRTOS移植探索AMP(非对称多处理)架构学习使用Vitis Analyzer进行性能分析技术雷达:关注Xilinx最新推出的Vitis Unified IDE,其集成了更强大的调试和分析工具。立即动手实践吧!

QQ_778132974的博客 584

IDEA 中 Cnnot resolve symbol 'ConnectPool'、代码显示红色、类名和文件夹名有红色的下划波浪线

错误截图: 解决方案: 先检查有没有相应的包,如果有对应的包把包加载到项目路径下(我的错误就是没把包加载到项目路径下),参考博客:IDEA:将\lib下的Jar包添加到项目路径下 。 第一步没问题了,还在出错那就是没用 import 把包导入代码中,把光标放在红色字体上再按:Alt + Enter 组合键即可。 ...

IT小白的博客 678

飞牛fnNAS搭建Web网页版OFFICE(WPS)软件

本文介绍了如何在飞牛NAS上通过Docker容器部署WPS Office办公软件。主要内容包括:启用Docker服务、准备项目文件夹结构、使用Compose方式构建容器、解决端口冲突问题、配置中文输入法和字体库,以及通过ZeroTier实现远程访问。文章详细说明了每个步骤的操作方法,包括容器启动、输入法设置、字体添加和文件存储位置配置。最后还介绍了使用ZeroTier内网穿透技术实现远程访问NAS上WPS服务的方法,让用户可以在不同设备上随时编辑NAS中的文件。整个部署过程完整清晰,为NAS用户提供了便捷的

dgnankai的专栏 1705

9、双玩家博弈中的精确与近似纳什均衡及中国股市再融资偏好研究

本文研究了双玩家博弈中精确与近似纳什均衡的计算方法,提出通过线性松弛问题LR在多项式时间内求解正则双矩阵博弈的纳什均衡,并分析其在α-平滑博弈中的近似性能。同时,探讨了中国股市2001-2009年期间再融资偏好的动态变化,重点考察非流通股改革对再融资方式选择的影响。研究表明,改革前配股为主导,改革后公开发行(含定向增发)因溢价发行和低参与门槛成为主流,显著提升了资金募集效率和市场参与度。结合博弈论模型与实证分析,揭示了制度变革对企业融资行为的深远影响。

nn3456的博客 83

IDEA “Cannot resolve symbol” 解决办法

1、情况一:未引用有效的JDK 处理方案:File - Project Structure - Project SDK,看看SDK有没有选,重选一个本地的自己安装的jdk。 2、情况二:无有效的Maven设置 处理方案:File - Settings - 搜索maven,Maven home directory,设置为自己安装的maven路径 3、情况三:如果上面都没问题、那就清除Ideal的缓存了 处理方案: “File” -> “I...

悟能的师兄的专栏 17万+

UE实现贴地线(SurfaceLine)效果

UnrealEngine实现贴地线效果

专注GIS开发 4573

JDBC学习——简单学习JDBC

JDBC学习——简单学习JDBC 1.初始JDBC JDBC(Java DataBase Connectivity,java数据库连接)是一种用于执行SQL语句的Java API,可以为多种关系数据库提供统一访问,它由一组用Java语言编写的类和接口组成。JDBC提供了一种基准,据此可以构建更高级的工具和接口,使数据库开发人员能够编写数据库应用程序。 简单点来说,JDBC就是Java用来操作数据库...

qq_43411550的博客 244

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")

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

JDBC学习思维导图

JDBC学习;

Of_the的博客 1706

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

JavaWeb学习——JDBC

1、JDBC概念:JDBC就是使用Java语言操作关系型数据库的一套API,全称(JavaDataBaseConnectivity)Java数据库连接。2、JDBC本质:sun公司定义的一套操作所有关系型数据库的规则,即接口,各个数据库厂商去实现这套接口,提供数据库驱动jar包,我们可以使用这套接口(JDBC)编程,真正执行的代码是驱动jar包中的实现类。3、JDBC好处:各数据库厂商使用相同的接口,Java代码不需要针对不同数据库分别开发;

Asteriajy的博客 880

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

[JDBC学习笔记] JDBC

摘要:JDBC是Java操作关系型数据库的标准API,通过定义统一的接口实现不同数据库的兼容操作。主要流程包括注册驱动、获取连接、执行SQL等步骤。核心API包括DriverManager(驱动管理)、Connection(连接对象)、Statement(SQL执行)和ResultSet(结果集)。PreparedStatement可预防SQL注入,提高安全性。数据库连接池(如Druid)通过复用连接提高性能,需配置DataSource获取连接。JDBC简化了Java与数据库的交互,实现了代码与数据库的解耦

qq_58547683的博客 960

jdbc学习

数据库连接池其实就是一个容器,用来管理数据库的连接允许应用程序重复使用一个现有的数据库连接,而不是通过重新建立一个连接,这样大大减少了步骤流程数据库连接池可以通过释放空闲时间超过最大空闲时间的数据库连接来避免因没有释放数据库连接而引起的数据库遗漏。其实就是数据库连接池可以让停止运行时间最久的连接 去重新接待连接打个比方,数据库连接池其实就是一个服务员经理,而每个连接就是一个服务员,数据库连接的优点就是,可以让一个服务员可以重复去接待客户,而不是接待完一个客户就把这个服务员开除,再重新招一个。

m0_65376383的博客 1107

Java学习笔记之jdbc

JDBC学习 jdbc是什么 ​ JDBC: java database connectivity java 与数据库的连接 ​ jdbc承载着数据库与java之间的连接 jdbc连接步骤 Class.forName() public static void main(String[] args) throws ClassNotFoundException, IllegalAccessException, InstantiationException, SQLException, IOException

weixin_44460816的博客 122

JDBC学习

JDBC的基础学习

qq_60955261的博客 1169

JDBC学习项目教程

JDBC学习项目教程 项目介绍 JDBC(Java Database Connectivity)是Java语言中用于与数据库进行交互的标准API。它允许Java应用程序与各种数据库进行通信,执行SQL语句并处理结果集。本项目(jdbc-study)旨在帮助开发者学习和掌握JDBC的基本概念和实际应用。 项目快速启动 环境准备 Java开发环境:确保已安装JDK 8或更高版本。 数据库:安装并配置...

gitblog_00951的博客 641

JDBC的学习

JDBC的学习

weixin_52055811的博客 622

JDBC学习之路(一)

以前使用过JDBC,对Mysql也进行过一些增删改查的操作,但是还真没有系统的学习过,现在借助传智播客的视频系统学习一下,下面记录这几天的心得。 1.首先得安装Mysql,这个就不说了,顺便下载Mysql-Connector-java这个JDBC实现包,把他/它导入到自己的工程

技术是我的毕生追求 2080
上一篇: 日常数据库练习题
下一篇: MySQL记录删除后竟能按中间被删除的主键加回去,磁盘空间被重用!
OpenSource_
博客等级 码龄5年 48粉丝 68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