记录一次将dmp文件导入oracle数据库(本地导线上),所遇到的问题及解决方法

Oracle 导入导出 dmp 数据文件实战 DMP文件操作指南摘要 DMP文件是Oracle数据库专用的二进制文件,用于数据备份、迁移和恢复。通过expdp/impdp或exp/imp工具生成,包含元数据和实际数据。导出时可通过并行处理、压缩和加密优化性能及安全性;导入时支持用户重映射、表空间调整等参数。关键操作包括全库/用户/表三种导入模式,并需注意字符集兼容性。高级场景可采用增量同步(按条件筛选变更数据)或分段导出提升效率,同时结合日志记录确保流程可追溯。传统工具(exp/imp)适用于低版本,而数据泵工具(expdp/impdp)提供更强大的功 阅读详情
AI摘要

本文介绍了如何在已安装Oracle数据库的环境中安装InstantClient以进行数据导入操作。通过Navicat连接Oracle数据库,创建表空间、用户并分配权限。详细步骤包括创建表空间、增加数据文件、创建用户并分配CONNECT、RESOURCE、DBA角色。随后,使用IMP命令导入DMP文件,并解决导入过程中可能出现的统计信息、权限和表空间不足的问题。还涵盖了表空间迁移的方法,包括离线、修改数据文件路径、在线等步骤。

安装oracle环境(instantclient)

因线上已安装oracle完成版数据库,则本地只需安装instantclient即可进行导入数据操作
具体安装步骤请参考:https://blog.youkuaiyun.com/admin_web/article/details/125103786

使用navicat工具查看oracle数据

打开navicat工具后在菜单栏中选择 文件->新建连接->oracle,输入连接的地址、端口、服务名、用户名密码。
服务名是安装oracle时设置的,默认是ORCL
在这里插入图片描述
如需使用sysdba用户选择高级后将角色选择为sysdba
在这里插入图片描述

准备开始导入工作

1.登录到线上服务器oracle数据库,使用sqlplus / as sysdba超管角色进入后新建表空间、用户以及分配给用户分配权限
创建表空间

(表空间每次自增200m)

create tablespace MY_TAB datafile 'D:\oracle\oradata\DANTE_TEMP.DBF' size 4096M AUTOEXTEND ON NEXT 200M

给同一个表空间配置多个存储文件

-- 根据需要添加一定数量的数据文件
alter tablespace MY_TAB add datafile 'D:\oracle\oradata\DANTE_TEMP2.dbf' size 320m autoextend ON next 100 m maxsize unlimited;
alter tablespace MY_TAB add datafile 'D:\oracle\oradata\DANTE_TEMP3.dbf' size 300m autoextend ON next 100 m maxsize unlimited;
alter tablespace MY_TAB add datafile 'D:\oracle\oradata\DANTE_TEMP4.dbf' size 300m autoextend ON next 100 m maxsize unlimited;

创建用户并为其分配表空间

create user mytest(用户名) identified by 123456(密码) default tablespace MY_TAB(表空间名);

给用户分配权限

GRANT CONNECT,RESOURCE,DBA TO c##mytest;

Connect 角色
是授予最终用户的典型权利,最基本的权利,能够连接到Oracle数据库中,并在对其他用户的表有访问权限时,做SELECT、UPDATE、INSERTT等操作。

Alter session–修改会话;

Create cluster–建立聚簇;

Create database link–建立数据库连接;

Create sequence–建立序列;

Create session–建立会话;

Create synonym–建立同义词;

Create view–建立视图。

Resoure角色
是授予开发人员的,能在自己的方案中创建表、序列、视图等。

Create cluster–建立聚簇;

Create procedure–建立过程;

Create sequence—建立序列;

Create table–建表;

Create trigger–建立促发器;

Create type–建立类型。

DBA角色
是授予系统管理员的,拥有该角色的用户就能成为系统管理员了,它拥有所有的系统权限。

2.使用imp命令将本地dmp文件导入至线上oracle中
使用imp -help命令可查看所有参数
imp 用户名/密码@ip地址:端口号/服务名 file=需导入的dmp文件 full=y indexes=N log=日志 statistics=none

full=y :导入文件全部数据,
indexes=N :是否导入表索引 N否 Y是,默认Y
rows=N : 导入数据行 (Y) ,N只导入表结构
statistics=none : 不导入或者重新统计数据库统计信息
DATA_ONLY=Y :只导入数据

imp mytest/123456@10.4.xx.xxx:1521/ORCL file=D:\upload_file\orcl1.dmp full=y indexes=N log=D:\upload_file\orcl.log statistics=none

只导出表机构

exp mytest/123456@127.0.0.1/orcl file=D:\tablejg.sql rows=n  //导出表结构
exp mytest/123456@127.0.0.1/orcl file=D:\a.dmp tables=user // 导出指定的表

使用bat批量将dmp文件导入至服务器
如图:将需导入的dmp文件放置同一目录中
在这里插入图片描述
a.bat

@echo off

setlocal EnableDelayedExpansion
set localPath=./
set host=xx.x.xx.xxx
set user=mytest
set pwd=123456
set num=0

for /r %localPath% %%i in (*.dmp) do (
    set /a num+=1
    imp %user%/%pwd%@%host%/ORCL file=%%i full=y statistics=none indexes=N DATA_ONLY=Y log=%localPath%\!num!_s2.log
)


pause

导入时所遇到的问题

问题------------

在这里插入图片描述
原因分析:经过查询,发现这个错误发生的原因在于数据库统计信息。但是更深层次的原因,还不清楚。暂时理解的是,由于默认的导入策略是statistics=always,这个策略要求的是一定要导入原先的数据库统计信息,这个策略,还是觉得有点问题,数据库统计信息,由于是使用了新的数据库版本,原先的统计信息,基本上80%左右的统计信息应该是不正确的,所以为什么导入策略还要默认是statistics=always呢。所以,我的决定是不导入或者重新统计数据库统计信息。
参考:https://blog.youkuaiyun.com/weixin_35986494/article/details/116441481
解决方法:在导入是加上statistics=none

问题------------
在这里插入图片描述
原因分析:可能是由于权限或者导入的dmp文件中的表字段和服务器上的表字段不一致(我所遇到的是后者)
解决方法:
1.统一需要的表字段后重新导出
2.将缺少的字段追加到导入的数据表中,如上图:将"DATASRC"字段追加到导入的表中

问题------------
IMP-00058: ORACLE error 1659 encountered
ORA-01659: unable to allocate MINEXTENTS beyond 16 in tablespace OLDAGE6110
在这里插入图片描述
原因分析:表空间不足/当前文件所在盘符空间不足
解决方法:
如果是表空间不足使用以下语句添加

alter tablespace JNINFO add datafile '/opt/oracle/oradata/orcl/JNINFO02.dbf' size 32000m autoextend ON next 100 m maxsize unlimited;

如果是盘符空间不足,扩大盘符空间或者将表空间迁移至空间充足的盘符中
表空间前移详细参考:https://blog.youkuaiyun.com/weixin_41607523/article/details/122414853

一、数据库本地迁移
1.登录对应数据库
SQL>sqlplus / as sysdba

2.确认表空间以及要迁移的空间
[root@inlinkdb1 ~]# df -h
Filesystem Size Used Avail Use% Mounted on
devtmpfs 3.7G 0 3.7G 0% /dev
tmpfs 3.7G 0 3.7G 0% /dev/shm
tmpfs 3.7G 648K 3.7G 1% /run
tmpfs 3.7G 0 3.7G 0% /sys/fs/cgroup
/dev/vda1 40G 12G 26G 33% /
tmpfs 756M 0 756M 0% /run/user/0
tmpfs 756M 0 756M 0% /run/user/1000
/dev/vdb1 689G 639G 16G 98% /oracle
/dev/vdb2 319G 13G 291G 5% /oracle2
如上所示/oracle目录已达到98%,现实现目标将/oracle目录的表空间迁移到/oracle2下

SQL> @/home/oracle/tbs

TABLESPACE_NAME SUM_SPACE(M) SUM_BLOCKS USED_SPACE(M) USED_RATE(%) FREE_SPACE(M)


SYSTEM 350 44800 340.06 97.16 9.94
SYSAUX 2350 300800 2228.06 94.81 121.94
DATA 10240 1310720 8833.75 86.27 1406.25
USERS 35071.25 4489120 27328.37 77.92 7742.88
WB_
*** 10240 1310720 7058.37 68.93 3181.63
KETTLE_DATA 61440 7864320 29705.06 48.35 31734.94
UNDOTBS1 5770 738560 2400.81 41.61 3369.19
flexsche_data 20480 2621440 6667.19 32.55 13812.81
****_DATA 1024 131072 144.87 14.15 879.13
****_DATA 3244 415232 325.19 10.02 2918.81
***_DATE 1024 131072 13.5 1.32 1010.5

TABLESPACE_NAME SUM_SPACE(M) SUM_BLOCKS USED_SPACE(M) USED_RATE(%) FREE_SPACE(M)


****_DATA 1024 131072 9.87 .96 1014.13
****_DATA 10240 1310720 4.12 .04 10235.88
****_TEMP 1024 131072 0
****DATA_TEMP 1024 131072 0
TEMP 795 101760 0
TEMP 1024 131072 0
WB
_TEMP 1024 131072 0
****_TEMP 1024 131072 0
****_TEMP 1024 131072 0
****_TEMP 1024 131072 0
KETTLE_TEMP 3072 393216 0

22 rows selected.

SQL>
3.确认要迁移表空间位置
示例:USERS

SQL> select FILE_NAME,FILE_ID,TABLESPACE_NAME from dba_data_files where tablespace_name =‘USERS’;

FILE_NAME FILE_ID TABLESPACE_NAME


/oracle/app/oracle/oradata//users01.dbf 6 USERS
/oracle/app/oracle/oradata/
/users02.dbf 7 USERS
4.将表空间状态设为offline
SQL>alter tablespace USERS offline;

Tablespace altered.
5.拷贝dbf数据文件到新路径
注:USERS现有所有dbf文件都要拷贝哦

[oracle@***db1 ~]$ cp /oracle/app/oracle/oradata//users01.dbf /oracle2/datafile/
[oracle@*db1 ~]$ cp /oracle/app/oracle/oradata//users02.dbf /oracle2/datafile/
6.数据库中修改表空间指向地址
SQL>alter database rename file '/oracle/app/oracle/oradata//users01.dbf’ to '/oracle2/datafile/
/users01.dbf’;

Database altered.
SQL>alter database rename file ‘/oracle/app/oracle/oradata//users02.dbf’ to '/oracle2/datafile/**/users02.dbf’;

Database altered.
7.表空间状态设为online
SQL> alter tablespace USERS online;

Tablespace altered.
8.确认变更结果
SQL> select FILE_NAME,FILE_ID,TABLESPACE_NAME from dba_data_files where tablespace_name =‘USERS’;

FILE_NAME FILE_ID TABLESPACE_NAME


/oracle2/datafile//users01.dbf 6 USERS
/oracle2/datafile/
/users02.dbf 7 USERS
9.原路径位置删除dbf数据文件
[oracle@*****db1 ~]$ rm -rf /oracle/app/oracle/oradata//users01.dbf
[oracle@*****db1 ~]$ rm -rf /oracle/app/oracle/oradata/
/users02.dbf

【Oracle】Oracle导入导出dmp文件 在工作中,经常会遇到需要备份库,库表迁移的场景,对于oracle会使用dmp文件进行数据迁移和备份。基于一次迁移数据库的经历,整理记录dmp相关知识点,供后续工作参考使用。 阅读详情

相关推荐

如何将dmp文件快速导入至oracle数据库

将我们拿一个dmp文件时,如何快速导入至数据库?注意事项: 第一步 首先我们打开navicat软件,点击软件左上角连接,点击Oracle连接,输入连接信息,连接成功即可 注意:必须要用最高权限用户登录,即SYS用户 第二步 连接成功后,点击数据泵导入 第三步 填好信息,这里需要的注意是在转储文件那里,目录选择的是oracle文件的目录,后面的文件名是在目录下的,比如这里目前写的LOG_FILE_DIR,那么我这个文件下面肯定是有tp_qxgz_jcqr200609.dmp这个dmp文件的,填好之后点

我喜欢你对我笑 4717

Oracle导入dmp文件

Oracle的.dmp文件的导入导出操作

weixin_44782318的博客 3万+

将本地的dmp备份文件导入到本地的Oracle数据库中

这是一个基本的示例,用于将dmp备份文件导入到本地的Oracle数据库中。请确保在执行操作之前,已经了解和熟悉了相关的Oracle数据库和Oracle Data Pump工具的使用。在Oracle数据库中,可以使用Oracle Data Pump工具将dmp备份文件导入到数据库中。执行命令后,Oracle Data Pump将开始导入操作。进入Oracle数据库安装目录的bin文件夹。这个目录包含了一些Oracle数据库的实用程序。导入完成后,你可以检查日志文件以获取导入操作的结果和统计信息。

CsmbPascal的博客 1195

oracle数据库导入dmp文件,两种方法

oracle数据库导入dmp文件,两种方法

m0_54521957的博客 4万+

U24时钟信号上升下降沿出现非单调性--简单分析

交换机U24时钟信号上升下降沿出现非单调性--简单分析

qq_45185504的博客 1132

英飞凌TC3XX芯片---------CAN模块详解

CAN 总线是一种广泛应用于汽车、工业控制和其他领域的串行通信协议,CAN 英文名称:Controller Area Network。最初由德国的 Bosch 公司开发,用于汽车电子系统之间的通信。CAN 总线具有高可靠性、抗干扰能力强和实时性好等特点,因此被广泛应用于需要可靠数据传输的领域。CAN2.0B 协议中的 CAN 最多支持 29 位 ID,但是网络架构中使用的一般是 11 位的标准帧 ID。如下图是标准 CAN FD 帧数据结构:关于 CAN 协议相关内容,本文不作阐述。

sky的博客 3669

【产品工具使用】Navicat 导入Oracle数据库的dmp文件

1、打开navicat 连上本地数据库,点击【其他】-》【目录】,会把你本机的已有的一些目录列表展示出来,我们可以找到oracle 默认的导入dmp文件的目录,DATA_PUMP_DIR,如果不想使用该目录,我们也可以新建目录,这里,我新建一个目录MY_DIR。4、点击【生成SQL】 -> 【点击运行】等待执行结束即可(注:数据量大的话,此过程耗时较长,请耐心等待),注意:首次导入失败的话,如上图所示部位【表存在的动作】,这里我们可以选择 truckate 重新导入。2、把自己要导入的数据放到该目录下。

小卓仗剑走天涯的博客 9026

Unity AssetBundle 之 (入门)简单的资源打包成AB包的方法

Unity AssetBundle 之 (入门)简单的资源打包成AB包的方法 目录 Unity AssetBundle 之 (入门)简单的资源打包成AB包的方法 一、简单介绍 二、实现原理 三、注意事项 四、效果预览 五、实现步骤 六、关键代码 一、简单介绍 Unity中的一些基础知识点。 本节介绍,Asset Bundle 在 Unity中的使用,入门第一篇,如何AssetBundle标记,如何打包成AssetBundle的操作方法,有不对的地方欢迎指正。...

仙魁XAN 1万+

Oracle导出导入dmp

oracle导入导出dmp

h18300103614的博客 1万+

逆向解析手淘x-sign签名算法:从抓包到API调用的完整实践

本文详细解析了手淘x-sign签名算法的逆向过程,从抓包工具选择到API调用实践,提供了完整的解决方案。通过分析签名参数组成和生成机制,帮助开发者理解并实现淘宝接口的合法调用,同时强调了安全与合规的重要性。

weixin_29323273的博客 606

SV--对象拷贝、参数化的类

对象拷贝,参数化的类

创芯人--fly的博客 1570

Oracle数据库——数据导出时出现导出成功终止, 但出现警告。

字符集导致问题,解决办法有两种: 1.命令末尾添加statistics=none忽略统计信息 exp system/Bujidao0@orcl file=c:\orcl.dump full=y statistics=none 2.更改字符集为数据库默认字符集ZHS16GBK 转载来源http://www.cnblogs.com/baoposhou/p/5669778.html ...

newborne's blog 4852

从‘平行’到‘鱼骨’:手把手拆解AlGaN/GaN HEMT多栅指结构的布局优化实战

本文深入探讨了AlGaN/GaN HEMT多栅指结构的布局优化,从传统的平行栅结构到创新的鱼骨栅结构,详细解析了如何通过优化信号路径和热管理提升功率器件的性能。文章结合实测数据和EDA工具,展示了鱼骨栅结构在相位一致性、热阻和版图利用率方面的显著改进,为射频功率放大器设计提供了实用指导。

weixin_27061475的博客 442

(Oracle)导入dmp数据库文件的步骤

(创建数据库表空间,这里的目录是你所创建的数据库实例位置,我建立的是slexamflow实例)7:imp slexamflow/password@slexamflow full=y file="D:\Oracal\admin\slexamflow\dpdump\KM1DATA.dmp"(对dmp数据进行导入)/*必须先建立表空间,表空间的名称依据导入的dmp文件来决定,不清楚表空间的名字可以先任意取一个名字,然后在报错信息里会显示*/(查看数据库的表空间)步骤一:创建数据库实例(任意取一个名字)

m0_52192986的博客 3491

逆向实战:手把手教你用Frida绕过Flutter App的SSL Pinning(附脚本修改指南)

本文详细介绍了如何利用Frida工具绕过Flutter应用的SSL Pinning保护机制,包括静态分析定位关键函数、定制Frida Hook脚本以及流量捕获的完整解决方案。通过实战案例和脚本修改指南,帮助安全研究人员有效应对Flutter应用的安全挑战,特别适用于安卓平台的逆向工程和抓包需求。

weixin_28723171的博客 404

SoC 内的 CPU、GPU、DSP、NPU 协同执行结构图解析:多异构协同的最新实战体系

随着移动端 AI 能力迅速演进,SoC(System on Chip)内部的多种异构计算单元(CPU、GPU、DSP、NPU)之间的协同执行能力成为衡量芯片智能算力的关键指标。本文基于截至 2025 年 5 月最新主流国产芯片(如海思昇腾、地平线旭日、联发科天玑、高通骁龙 8 Gen 系、寒武纪思元等)在实际落地应用中的公开结构与技术资料,深入解析 CPU-GPU-DSP-NPU 协同执行的体系结构、执行路径与调度逻辑。文章结合 Android NNAPI、Vulkan Compute、自定义调度器等工程实

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 8710

.dmp文件导入数据库(oracle)

dmp文件导入到数据库三步走

ZZH150286的博客 2196

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

oracle创建数据库,导入dmp操作全家桶

oracle导入dmp文件

m0_52110974的博客 5713

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,

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")

Oracle导入dmp类型的数据源数据

声明:本文内容来自以下链接。

卷NM呢!不干了! 1万+

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!

关于用navicat链接Oracle并导入dmp文件的记录

关于用navicat链接Oracle并导入dmp文件的记录

Not_knowing_hash的博客 2701

Oracle导入dmp文件步骤

1.创建表空间2000M并以10M增长 create tablespace 表空间名 datafile '放置表空间的路径' size 2000M autoextend on next 10M maxsize unlimited; 2.创建和授权用户权限 create user 用户名 identified by 密码 default tablespace 表空间名; grant exp_full_database to 用户名 ; grant imp_full_database to 用户名 ; gra

编程怪的博客 2万+

oracle怎么导入dmp文件??????

oracle怎么导入dmp文件?????? 回车导入成功!即可。

m0_63064861的博客 1873

Oracle DMP文件导入

记住:USERNAME是业务库的名字。不要随便用sys或者system.那样就不是导入业务资料库了。改为imp工具(有时不得不认为原配就是好)dmp文件可以在Navicat中的。

chengg0769 平淡无奇见真知 独立博客: http://blog.mis2erp.com 2554

Oracle数据库全局导入dmp文件

Oracle数据库全局导入

WW_33的博客 3027

使用imp导入数据时报ORA-20001错误的解决办法

在导出的语句后加上statistics=none 比如:imp lms/1@orcl file=d:\bak.dmp fromuser=(lms) ignore=y statistics=none statistics=none 是指不导出分析数据 造成此问题的原因可能是导入导出使用的不是同一个版本的数据库 imp其他相关参数: buffer缓冲区大小,64M...

diejiankuai3444的博客 502
上一篇: instantclient安装配置imp导入数据
下一篇: mysql截取字符串CS0000_1中_后面的字符
if时光重来
博客等级 码龄8年 248粉丝 217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