hylan:Oracle 修改默认实例(ORACLE_SID)

问题来源:

我的操作系统是 windows 10,数据库是oracle 12c。

在同一台电脑上安装了多个数据库实例,但每个时期需要的默认实例不一样,sql*plus总是智能地把我的数据库实例默认成最新添加的,所以产生了很多不必要的麻烦。


解决方案:

修改相关的注册表信息。

具体步骤如下:

1. cmd下运行regedit,打开 注册表编辑器。

2. 依次展开目录: 计算机\HKEY_LOCAL_MACHINE\SOFTWARE\ORACLE\KEY_OraDBHome1  

    选中KEY_OraDBHome1 找到右侧名称为ORACLE_SID的选项,右击,修改成想默认的实例名,如:orcl。

3. 打开sql*plus,输入用户名和密码,运行 select name from v$database; 可以看到已经是orcl了。


### 使用和实现 PyTorch 中的密集层(全连接层) 在 PyTorch 中,`nn.Linear` 是用于创建全连接层的主要类。通过这个类可以轻松定义一层或多层神经网络中的线性变换部分。 #### 创建全连接层 要创建一个全连接层,需指定输入特征的数量 (`in_features`) 和输出特征的数量 (`out_features`)。下面展示了如何实例化这样一个层: ```python import torch import torch.nn as nn linear_layer = nn.Linear(in_features=10, out_features=5) ``` 这段代码创建了一个具有 10 个输入节点和 5 个输出节点的全连接层[^2]。 #### 查看参数 每层都有其自身的可训练参数——权重矩阵和偏置向量。可以通过访问 `.weight` 和 `.bias` 属性来查看这些参数的具体数值: ```python print("全连接层的权重:") print(linear_layer.weight) print("全连接层的偏置项:") print(linear_layer.bias) ``` 这会打印出该层当前初始化后的权重和偏置值。 #### 前向传播计算 为了执行前向传播并获得给定输入的数据经过此层处理后的结果,只需调用已构建好的 `linear_layer` 对象作为函数即可。这里展示了一次完整的操作流程: ```python input_data = torch.randn(1, 10) # 随机生成一批大小为 (batch_size=1, num_input_features=10) 的数据 output = linear_layer(input_data) # 应用线性转换得到新表示形式 print("全连接层的输出:") print(output) ``` 上述过程实现了从输入到输出的一系列运算,其中包含了必要的矩阵乘法以及加权求和等基本操作。
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