vs05b2中给dataset添加表间关系

最近在学习asp.net高级编程,也在尝试在vs05中实现书中的代码,呵呵,今天正好到dataset的表间关系,才发现自己对dataset的了解是多么的少,到现在我也只能说知之甚微,但是把自己今天的过程贴出来,迎接大家的拍砖……

数据库我直接用了wrox的wroxbooks,估计大家都知道,我就不说了。不过我还是给出表的简单结构

 

BookPriceBookListBookAuthors
1.gif2.gif3.gif

添加表间关系的思路是,先创建一个dataset,

 

None.gif DataSet objDataSet = new DataSet();
None.gif
None.gif
None.gif            
try
ExpandedBlockStart.gifContractedBlock.gif            
dot.gif{
InBlock.gif
InBlock.gif                objConnection.Open();
InBlock.gif
InBlock.gif                objCommand.CommandText 
= strSelecTitleAuthor;
InBlock.gif                objDataAdapter.Fill(objDataSet, 
"BookList");
InBlock.gif
InBlock.gif                objCommand.CommandText 
= strSelctAuthors;
InBlock.gif                objDataAdapter.Fill(objDataSet, 
"BookAuthors");
InBlock.gif
InBlock.gif                objCommand.CommandText 
= strSelectPrices;
InBlock.gif                objDataAdapter.Fill(objDataSet, 
"BookPrices");
InBlock.gif
InBlock.gif                objConnection.Close();
ExpandedBlockEnd.gif            }

None.gif            
catch (Exception objError)
ExpandedBlockStart.gifContractedBlock.gif            
dot.gif{
InBlock.gif                
// display error details
InBlock.gif
                Page.Response.Write( objError.Message + objError.Source);
InBlock.gif               
ExpandedBlockEnd.gif            }

 


然后再添加关系

 

None.gif DataColumn parentCol;
None.gif            DataColumn childColAuthor;
None.gif            DataColumn childColPrice;
None.gif
None.gif            
// Code to get the DataSet not shown here.
None.gif
            parentCol = objDataSet.Tables["BookList"].Columns["ISBN"];
None.gif            childColAuthor 
= objDataSet.Tables["BookAuthors"].Columns["ISBN"];
None.gif            childColPrice 
= objDataSet.Tables["BookPrices"].Columns["ISBN"];
None.gif
None.gif            DataRelation objRelation ;
None.gif            objRelation 
= new DataRelation("BookAuthors", parentCol, childColAuthor);
None.gif            objDataSet.Relations.Add(objRelation);
None.gif
None.gif            objRelation 
= new DataRelation("BookPrices", parentCol, childColPrice);
None.gif            objDataSet.Relations.Add(objRelation);


最后绑定到页面(我这里使用了gridview,才正确现实,使用datalist不能将数据绑定过去。)

None.gifGridView1.DataSource = objDataSet.Tables;
None.gif            GridView1.DataBind();
None.gif
None.gif            GridView2.DataSource 
= objDataSet.Relations;
None.gif            GridView2.DataBind();
None.gif
None.gif            GridView3.DataSource 
= objDataSet.Tables["BookList"].DefaultView;
None.gif            GridView3.DataBind();
None.gif
None.gif            GridView4.DataSource 
= objDataSet.Tables["BookAuthors"].DefaultView;
None.gif            GridView4.DataBind();
None.gif
None.gif            GridView5.DataSource 
= objDataSet.Tables["BookPrices"].DefaultView;
None.gif            GridView5.DataBind();
None.gif



完成后的结果……


end_DS_M.gif

有两点点注意:
1 那就是用sql的pubs不能完成类似的结果,而且sql语句只能是“Select * From [Authors] where au_id '779-83-776'”
不知道是表的数据的原因,还是其他的原因
2 添加关系时,不能像下面这样了
objRelation = new DataRelation("BookAuthors",
         objDataSet.Tables["Books"].Columns["ISBN"],
         objDataSet.Tables["Authors"].Columns["ISBN"]);

[注:我是新手,我只能说这些了,更进一步的东西,还是希望大家指点]

转载于:https://www.cnblogs.com/yang_sy/archive/2005/04/30/148344.html

Gemma 2B全参数微调实战:轻量模型高效完成情绪识别任务 情绪识别是自然语言处理中典型的短文本分类任务,其核心在于从碎片化输入(如客服对话、社交评论)中精准捕捉语义倾向。技术原理上,它依赖预训练语言模型的上下文表征能力与下游分类头的判别优化,关键挑战在于标签边界模糊、数据分布不均衡及实时推理低延迟要求。Gemma 2B凭借ALiBi注意力机制与紧凑架构,在短序列建模上展现出比Llama等通用大模型更优的任务适配性;而全参数微调策略则能深度调整词向量与分类层,显著提升F1稳定性。该方案已成功落地于客服质检、心理健康评估等真实场景,兼顾精度、速度与部署成本。本文即围绕 阅读详情

相关推荐

Llama2-7B微调模型GPTQ量化实战:HuggingFace零代码部署指南

大语言模型权重量化是降低推理显存、提升服务吞吐的关键技术,其核心在于在INT4等低比特表示下尽可能保留FP16权重的语义表达能力。GPTQ作为后训练量化(PTQ)方案,依托Hessian二阶信息实现通道感知的误差最小化,相比AWQ和bitsandbytes,在微调模型上展现出更优的精度保持性与长文本连贯性。尤其对Llama 2 7B这类中等规模微调模型,GPTQ可在不重训、不改结构前提下,将显存压至5GB级并维持95%+指令遵循率,天然适配单卡部署、边缘容器及A/B测试等工程场景。本文聚焦HuggingFa

vanadiumlin 543

VB.Net DataSet和DataTable

在我们编写代码的时候从数据库里取出数据,填充到dataset里,再根据表的名字,实例化到 datatable 中。其实使用 dataset 相当于所使用数据库中数据的副本,保存在服务器的内存中。         ●         注意如下 ado.net 关系:          Connection_____Command____DataAdapter____Dataset

吴零敏 2万+

QLoRA微调实战:低显存跑Llama2/Mistral-7B全指南

QLoRA(Quantized Low-Rank Adaptation)是一种面向大语言模型的高效微调技术,其核心在于将4-bit量化与低秩参数更新深度融合,在保持模型性能的同时大幅降低显存占用。原理上,它通过NF4量化保留权重分布特性,并将LoRA增量约束在可逆量化空间内,实现梯度可导、权重可还原。该技术显著提升了开源模型如Llama2和Mistral的本地化落地能力,尤其适用于消费级GPU或Mac设备。典型应用场景包括法律文书摘要、指令微调、领域对话定制等轻量级AI工程任务。本文聚焦QLoRA在真实开发

weixin_30471561的博客 625

【.Net实用方法总结】 整理并总结System.Data中DataRelation类及其方法介绍

本文主要介绍System.Data命名空间的 DataRelation 类,介绍其常用的方法和实践。

baidu_33146219的博客 2万+

商户名解析器:用Llama3.2-1B+LoRA在本地实现高精度结构化解析

商户名称解析是金融数据清洗中的典型结构化提取任务,本质属于强约束、弱泛化的领域NLP问题。其核心原理在于识别支付前缀(如SQ*、AMZN MKTP)、分隔符号(*、#)与地域编码(SEATTLEWA)等非标准但高频的模式,而非通用语义理解。技术价值体现在低延迟(<120ms)、高准确率(>98%)和极低部署成本(M2 MacBook即可训练),显著优于黑盒API或大模型幻觉输出。典型应用场景包括信用卡账单标准化、支付流水清洗、SaaS客户数据治理等。本文聚焦于Fine-tuning LLM for Pars

weixin_30399155的博客 364

STM32G474实战:数字LLC电源控制程序从零到跑通(附完整代码解析)

本文详细介绍了基于STM32G474微控制器开发数字LLC电源控制程序的完整实战流程。从硬件平台搭建、CubeMX工程配置,到核心控制逻辑、双速率中断框架、数字PID实现,再到Burst模式、状态机等高级策略与异常处理,提供了从零到跑通的系统化指南与代码解析,助力开发者掌握高效数字电源的程序编写与调试技巧。

s1t2u3的博客 1240

用DataRelation给多个DataTable建立关系并显示到TreeView

DataRelation 对象执行两种功能:它可使与正使用的记录相关的记录可用。如果在父记录 (GetChildRows) 中,则它提供子记录;如果正使用子记录 (GetParentRow),则它提供父记录。它可强制约束的引用完整性,如删除父记录时删除相关的子记录。以下代码为此两种功能的演示:

软件研发实战应用技术分享 3485

硬件测试入门--环路响应(Bode)测试

环路分析的一个重要作用就是分析开关电源的稳定性。扫频测试原理主要是给开关电源电路注入一个频率变化的正弦信号,测量开关电源在频域上的特性,通过分析穿越频率、增益裕度和相位裕度来判断环路是否稳定,可以为电子工程师设计稳定的控制电路提供直观的数据。开关电源的稳定性关系到整个应用系统的可靠性,利用伯德图可以看出在不同频率下系统增益的大小和相位。通过伯德图来对开关电源的环路稳定性进行判断和分析已经成为评估开关电源可靠性必不可少的方法。

songninging的博客 1万+

DataSet中表间的关系

在包含多个 DataTable 对象的 DataSet 中,可以使用 DataRelation 对象来使一个表与另一个表相关,在多个表之间导航,以及从相关表中返回子行或父行。下面是一个主表和子表关系的示例:Demo.aspx <%@Pagelanguage="c#"Codebehind="Demo.aspx.cs"AutoEventWireup="false"Inherits="...

weixin_30262255的博客 314

Android 12 大屏时底下显示任务栏以及虚拟按键靠右问题

Android 12 点大屏时,底下导航栏变成显示任务栏,虚拟按键靠右的分析以及修改

Android系统开发笔记 4687

logisim中,如何设计一个位于十字路口的交通信号灯控制系统?

🏆本文收录于 《全栈 Bug 调优(实战版)》 专栏。专栏聚焦真实项目中的各类疑难 Bug,从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解,形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者,还是负责复杂项目的资深工程师,都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论,助你稳步进阶、放大技术价值。

**My Coding Family** 1348

DataSet自定义添加table并添加数据

DataSet dstmp = new DataSet();; if (dstmp.Tables.Contains("TAB_NM"))//已经存在该表的话,删除掉 dstmp.Tables.Remove("TAB_NM"); //创建虚拟数据表 DataTable table = new DataTable("TAB_NM"); //获取列集合,添加列 DataColu...

你要明白,任何问题都不是孤立存在的,一定有人曾经遇到过,并且已经有更好的解决办法了,只是我还不知道。我不应该在黑暗中独自前行,去重新发明轮子,也许我的顿悟,只是别人的基本功!我应该要站在巨人的肩膀上,学习更成熟的经验和方法,然后再来解决这个问题 1111

什么是 SAP FICO 的 GL?

GL,即总账,是 SAP FI(Financial Accounting)模块中的一个重要组件。它的主要作用是收集、分类和汇总所有财务交易,以便企业可以生成财务报表,如资产负债表、利润表和现金流量表。科目结构:GL 账户(G/L Account)用于记录企业的财务交易,并按会计准则分类。实时更新:由于 SAP 是基于事务驱动的系统,每一笔业务发生后,都会实时反映到总账科目中。集成性。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1689

认识并测量Typed DataSet

td{font-family:Verdana; font-size:11px; line-height:1.6;} 认识并测量Typed DataSet Truly 2005-08-05 下载本文的源码(C#) - 17k 下载本文的源码(VB) - 15k 简介 强类型DataSet 强类型DataSet是从DataSet继承的定制对象,它可以通过其显...

dingbiebin1233的博客 187

CloudCompare 二次开发:插件中的 PCL 环境配置与编程

在进行 CloudCompare 的二次开发过程中,我们常常需要使用点云库(Point Cloud Library,简称 PCL)来处理和分析点云数据。在 CloudCompare 的界面中,选中一个点云对象,然后点击菜单栏中的 “插件” -> “MyPluginAction”。插件将对选中的点云对象进行体素滤波处理,并更新显示结果。下面我们将展示一个简单的插件编程示例,该示例使用 PCL 对输入的点云数据进行体素滤波处理。方法进行体素滤波处理,并将结果点云赋值给选中的点云对象。文件并点击 “打开”。

2301_79331387的博客 284

OpenHarmony Stage模型深度解剖:从Ability Kit到沙箱隔离的全链路底层原理

基于微内核架构,提供进程管理、内存管理、IPC通信等基础能力:包含V8引擎、ArkTS运行时、渲染引擎等核心组件:Ability Kit框架,提供应用生命周期管理、组件调度等能力:基于Stage模型的应用程序。

m0_67505153的博客 192

基于BP神经网络PID控制的电机转速控制器设计复现

摘要:本文提出了一种基于BP神经网络PID控制的永磁同步电机转速控制方法,通过MATLAB/Simulink平台实现了算法复现。系统采用三层BP神经网络在线调整PID参数,包含输入层(误差、误差变化率、误差积分)、5节点隐含层和输出层(Kp、Ki、Kd)。仿真结果表明,相比传统PID控制,该方案具有更快的响应速度(上升时间减少约40%)、更小的超调量(降低约60%)和更强的抗干扰能力,在电动汽车电机驱动等复杂工况下表现优异。文中详细给出了PMSM数学模型建立、BP网络设计、权值更新算法及Simulink仿真

max500600的博客 308

RDD, DataFrame or Dataset

RDD, DataFrame or Dataset@(SPARK)[spark]文章主要内容来自: https://databricks.com/blog/2016/05/11/apache-spark-2-0-technical-preview-easier-faster-and-smarter.html http://www.agildata.com/apache-spark-rdd-vs-

jediael_lu的专栏 776

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Statistics and Machine Learning Toolbox

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

Datagridview绑定dataset数据

Datagridview绑定dataset数据 (2013-05-01 21:56:56) 转载▼   分类: 编程  this.dataGridView1.AutoGenerateColumns = true;  //设置自动生成列,必须写在InitializeComponent()里   OleDbConnection con1 = d

autumn20080101的专栏 616

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

昇腾910B2部署Qwen3.5-35B-A3B MoE模型全栈优化实践

专家混合(MoE)架构是大模型稀疏化推理的核心范式,其通过动态路由激活少量专家实现高参数量与低计算开销的平衡;其性能瓶颈高度依赖硬件级通信效率与显存带宽利用率。昇腾910B2凭借HBM2e高带宽内存与HCCL低延迟互联能力,为MoE推理提供底层支撑,但需深度适配vLLM-Ascend框架以解决专家分发、KV Cache管理及算子精度等关键问题。本文聚焦Qwen 3.5-35B-A3B这一典型MoE模型在昇腾平台的工程落地,涵盖显存压缩、首token延迟优化、吞吐提升三大刚性指标,并揭示HCCL通信组重定义、

dingdi3021的博客 665

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

PyTorch实现Kaggle Dogs vs Cats分类

使用PyTorch搭建ResNet模型完成Kaggle经典猫狗分类任务,包含数据加载、训练验证与测试全流程代码实现,通过数据增强和迁移学习提升准确率,项目结构清晰,适合入门深度学习实战。

weixin_42405592的博客 806

VS.NET2010水晶报表安装部署[VS2010]

VS.NET2010水晶报表安装部署[VS2010] 2011-05-29 21:48 欢迎C#高手加盟QQ群:9340166 水晶报表VS2010版IDE安装标准版SAP Crystal Reports, version for Visual Studio 2010 - Standard: 下载地址: http://downloads.businessob

e_zhiwen的专栏 2297

微软VS硬伤 - 未能起用约束集

本来使用xsd做强类型Dataset是件很轻松的事,但是微软尽TMD搞些不知所谓的bug.只要做跨表查询,70-90%的机会会出现:未能起用约束集. 无论是VS2003,还是VS2005都没能解决此BUG,真不知道VS2008还是否依旧有此问题.这种问题特别容易出现在有多个主键的数据表上.狂郁闷....有次网站已经很好的运行了,突然有一天就冒出来这个错误,我无语了....虽然可以通过单个...

aizhiliu7114的博客 184

Mistral-7B-OpenOrca vs 主流大模型:AGIEval、BigBench-Hard等五大权威评测全面对比 [特殊字符]

Mistral-7B-OpenOrca是一款基于Mistral-7B模型进行指令微调的开源大语言模型,在多个权威评测中展现出令人惊艳的性能表现。这款模型使用了OpenOrca数据集进行训练,该数据集旨在复现微软研究院的Orca论文中使用的数据集。作为目前最受关注的开源大模型之一,Mistral-7B-OpenOrca在HuggingFace Leaderboard上发布时被评为所有小于30B参数模

gitblog_00261的博客 841

cosyvoice 2.0-0.5b模型微调(SFT)实战:从数据准备到推理加速的全流程优化

一句话总结:把 0.5B 的小模型喂饱高质量对话数据,再借助 LoRA + 混合精度 + TensorRT-LLM,,整个流程踩坑点都给你整理好了。

2600_94960162的博客 676
上一篇: Internet Explorer 7 Beta, Summer 2005
下一篇: [Question]如何将韩文数据存入到数据库中,并在数据库中正确显示
aoding8407
博客等级 码龄11年 2粉丝 0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  | 博主筛选后可见
 
 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