墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.5k累计阅读
1.5k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
停止Oracle数据库服务：# su - oracle
1. 停止Oracle数据库服务：
# su - oracle
$ sqlplus / as sysdba
SQL> SHUTDOWN IMMEDIATE;
2. 删除oracle安装目录：
# rm -rf /u01/app/oracle
3. 删除oracle用户和组：
# userdel -r oracle
# groupdel oinstall
4. 删除oracle的环境变量：
# vi /etc/profile
# 删除以下环境变量
export ORACLE_BASE=/u01/app/oracle
export ORACLE_HOME=$ORACLE_BASE/product/11.2.0/dbhome_1
export ORACLE_SID=orcl
export PATH=$ORACLE_HOME/bin:$PATH
5. 删除oracle相关的软件包：
# rpm -qa|grep oracle
# rpm -e 软件包名
彻底卸载 Oracle 数据库和 MySQL 数据库（Linux/Windows）
接下来，使用 “程序和功能”（Programs and Features）工具卸载 Oracle 数据库软件。在列表中找到 Oracle 数据库软件，右键单击并选择 “卸载”。接下来，使用 “程序和功能”（Programs and Features）工具卸载 MySQL 软件。在列表中找到 MySQL数据库，右键单击并选择 “卸载”。在本文中，我将向您展示如何在 Linux 和 Windows 操作系统中进行彻底卸载 Oracle 数据库和 MySQL 数据库。接下来，卸载 Oracle 数据库软件。
Linux 卸载ORCLE操作步骤
Oracle卸载操作步骤
Linux下完全卸载Oracle数据库和MySQL的方法
通过执行以上步骤，你可以完全卸载Oracle数据库和MySQL。请注意，在执行这些操作之前，务必备份你的数据，以免造成不可挽回的损失。在Linux系统中，完全卸载Oracle数据库和MySQL需要执行一系列步骤。步骤3: 删除Oracle数据库文件和目录。步骤3: 删除MySQL数据文件和目录。步骤1: 停止Oracle数据库服务。步骤4: 删除Oracle用户和组。步骤4: 删除MySQL用户和组。步骤2: 卸载Oracle软件。步骤1: 停止MySQL服务。步骤2: 卸载MySQL软件。
Linux下卸载Oracle
卸载Oracle数据库是一个需要谨慎处理的过程，因为它涉及到系统文件和配置的删除。
QGIS基于快鸟（QuickBird）影像统计小麦种植面积
01数据情况 本次选用某地4月份快鸟（QuickBird）影像为例，使用QGIS演示提取小麦播种情况，并按照200米*200米分区计算种植面积的过程。 注：本文对应的操作视频作为今天第二篇推送同时发布，习惯看视频的朋友可以点击观看。 附数据压缩包： 链接：https://pan.baidu.com/s/1JVUS8uAOR61RxC1n9Or9_w 提取码：qgis 含快鸟影像QB_subset.tif和200*200米分区矢量图层200Mgrid.shp。 ...
EPLAN 设备接线图模板制作
属性摆放 设备连接图设置（选项 - - 设置） 连接图生成
oracle删除数据失败,Linux 删除 Oracle 数据库用户失败提示 ORA-01940 解决方法
Linux 删除 Oracle 数据库用户失败提示 ORA-01940 解决方法操作环境SUSE Linux Enterprise Server 11 + Oracle 11gR2问题现象删除 ORACLE 数据库用户失败, 提示 ORA-01940: cannot drop a user that is currently connected 错误问题分析NA问题解决SQL>SELECT ...
J1939协议实用指南与J1939数据记录方案
“没错，这是一份SAE J1939简单、实用指南。”—虹科 **开篇：**在这篇介绍中，我们介绍了J1939协议的基本知识，其中包括PGN和SPN。因为这是一篇偏向应用的简介，所以您还将会学习到如何通过DBC文件解码J1939数据、如何记录J1939、典型的应用案例和实用技巧。下面，来了解下这份简单易懂的J1939介绍吧~ 什么是J1939？ 简而言之，SAE J1939其实是一套标准，重型车辆ECU间就是按照这套标准在CAN总线上进行通信的。当今大多数车辆都通过CAN（Controller Area Ne
Linux下卸载Oracle 11g
第一种方法： 使用oracle自带的runInstaller 卸载 [oracle@VM_0_14_centos deinstall]$ cd $ORACLE_HOME [oracle@VM_0_14_centos 11.2.0]$ cd deinstall/ [oracle@VM_0_14_centos deinstall]$ ./deinstall 第二种方法：通过删除文...
LVGL 离线字体转换lv_font_conv本地安装
LVGL FONT CONV 离线版本
Windows下用Caddy一键搞定LiveKit本地HTTPS部署（含自签名证书避坑指南）
本文详细介绍了在Windows本地开发环境中，如何利用Caddy服务器一键部署支持HTTPS和WSS的LiveKit实时通信服务。文章重点解决了自签名证书的生成与配置难题，提供了完整的避坑指南和防火墙设置，帮助开发者快速搭建安全的WebRTC测试环境，实现局域网内的实时音视频互动。
Liunx下Oracle卸载
Oracle安装后进行卸载 两种方式 方式一：使用oracle自带的runInstaller 卸载 切换到oracle的安装目录 [oracle@dbserver deinstall]$ cd $ORACLE_HOME [oracle@dbserver 11.2.0]$ cd deinstall/ [oracle@dbserver deinstall]$ ./deinstall 执行成功后，会出现一些列的提示。 [oracle@dbserver deinstall]$ ./deinstall Checki
迅投miniQMT量化交易实战指南：从入门到自动化交易系统构建
迅投miniQMT量化交易实战指南摘要 本文全面介绍迅投miniQMT量化交易系统的开发流程，重点包括： 环境配置：详细说明miniQMT极简模式的安装步骤，包括xtquant库获取、Python版本要求及验证方法 行情数据模块：解析xtdata模块的核心功能，包括： 获取板块分类与股票列表 查询合约基础信息 下载历史K线数据（支持tick、分钟、日线等周期） 交易执行模块：介绍xttrader模块的交易API，涵盖： 账户连接与初始化 订单管理（下单、撤单、查询） 持仓与资产查询 实战开发：提供可直接运行
Linux Oracle归档文件没有自动归档
[size=medium][b]Oracle数据库由于归档文件太多，提示进入不了数据库[/b] [b]1. 登录Linux系统，切换为Oracle用户[/b] su - oracle [b]2. cd 到Oracle归档文件目录[/b] cd /home/oracle/arch [b]3. 保留最新的一份归档文件[/b] cp SCOREDBBACKUPT00...
【超详细】计算机组成原理总结及思维导图
计算机组成 第一章 计算机系统概论 冯诺依曼型计算机特点 1.计算机由运算器，控制器，存储器，输入和输出设备5部分组成 2.采用存储程序的方式，程序和数据放在同一个存储器中，并以二进制表示。 3.指令由操作码和地址码组成 4.指令在存储器中按执行顺序存放，由指令计数器(即程序计数器PC)指明要执行的指令所在的储存单元地址，一般按顺序递增，但可按运算结果或外界条件而改变 5.机器以运...
HFSS 3D Layout仿真PCB操作说明
本文介绍一种特别适合PCB这种叠层结构的仿真软件，HFSS 3D Layout既有操作的简便性，又有同3D软件仿真所有的精确性，仿真速度上又比3D软件快很多。
linux下如何添加定时备份任务,Linux下Oracle设置定时任务备份数据库的教程
1、查看数据库的字符集数据库的字符集必须和Linux下设置的环境变量一致，不然会有乱码。以下两个sql语句都可以查到：select * from nls_database_parameters t where t.parameter='NLS_CHARACTERSET';select * from v$nls_parameters where parameter='NLS_CHARACTERSET...
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');```[](https://bitdeli.com/free "Bitdeli Badge")
linux下恢复误删除的数据文件
场景描述：操作系统级别的删除数据文件（/oracle/oradata/ora10g/app1.dbf），而且数据库没有崩溃，仍然处于open状态。 原理：在Linux操作系统中，如果文件从操作系统级别被删除掉，之前打开该文...
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。
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
oracle 一节点 重装,转帖---oracle rac 节点崩溃重装
linux下oracle rac一个节点崩溃，而另一个节点正常，如何重装崩溃节点？请高手赐教！本人已经重装崩溃节点的系统，但rac如何恢复，是通过节点2删除rac中节点1的信息，然后再新增节点的方法？还是可以不用删除节点信息，直接可以恢复？具体步骤如何？请高手赐教啊，不甚感激！node1 已坏node2 正常重装node1后，计算机名还是node1，直接可以添加吗？不用删除以前的节点信息？谁能说下...
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
非常规方法，轻松应对Oracle数据库危急异常
作者：唐小丹（浙江移动数据库管理员） 周 凯（上海新炬数据库工程师） 相信很多ORACLE DBA在职业生涯中或多或少都遇到过这样的情况：数据文件被误删了，存储坏了无法识别数据文件，最糟糕的是，竟然rman备份也是坏的…… 遇到问题凌乱慌张是没用的，而贸然动手也是非常危险的，当遇到紧急问题，最重要的就是冷静分析，临危不乱。 下...
ace从windows移植到linux,linux测试系统使用expdp迁移数据到windos系统，11.2.0.4版本测试...
测试，使用linux 系统，迁移至windos测试系统，迁移用户scott1.源端导出(linux)2.传输3.目标端导入(windows)1.源端导出，本次使用expdp1)创建操作系统转储目录，存放expdp导出的dump文件[[emailprotected] ~]$ cd /picclife/software/dump/[[emailprotected] dump]$ ls -lrt /...
如何手动的干净的删除linux上的ORACLE数据库
最近在用VMWARE虚拟机做ORACLE的数据库实验，我们都知道在WINDOWS上，我可以到添加删除程序里去自动删除已经安装的所有的应用程序，但是在LINUX上没有这个服务可以进行自动的删除，于是尝试了下手动的删除ORACLE数据库。具体步骤如下：
cmd删除oracle监听,oracle数据库监听删除
oracle 10G for linux常用命令oracle 10G for linux常用命令首先以Oracle用户登录1、 $/oracle/oracle/app/product/101/bin/dbstart：启动数据库。2、 $/oracle/oracle/app/product/101/bin/dbshut：关闭数据库。3、 ...文章科技小能手2017-11-15834浏览量创建Ora...
手动删除Oracle单实例数据库
删除数据库主要有两种方法： 1.使用DBCA工具在图形界面删库 2.使用DROP DATABASE手动删除数据库 手动删库 1.查看当前信息 这台服务器上有两个实例，分别是ora11g和orcl，现删除实例orcl [oracle@db oradata]$ lsnrctl stat LSNRCTL for Linux: Version 11.2.0.4.0 - Production on 25-5月 -2020 14:30:22 Copyright (c) 1991, 2013, Oracle. Al
怎么干净的删除oracle数据库,怎样手动的干净的删除linux上的ORACLE数据库
近期在用VMWARE虚拟机做ORACLE的数据库实验。我们都知道在WINDOWS上，我能够到加入删除程序里去自己主动删除已经安装的全部的应用程序。可是在LINUX上没有这个服务能够进行自己主动的删除。于是尝试了下手动的删除ORACLE数据库。详细过程例如以下：1，先查下ORACLE_SID,ORACLE_HOME.ORACLE_BASE的信息：[oracle@vmoel5u4 dbs]$ echo...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
453
扫一扫
