从零开始学习 Python 3 - 数据库交互 2:解锁更多 SQLite 操作,玩转数据库!

  • 公众号:人生只不过是一场投资
  • 温馨提示:每个笔记文档都会绑定一个笔记资源;手机端可能看不到,网页端请自行下载。

还记得上节课我们学习了如何用 Python 操作 SQLite 数据库吗?
这次,我们将继续深入探索,解锁更多实用操作,让你像数据库大师一样游刃有余!

前言

上一节课我们学习了 Python 操作 SQLite 数据库的基础知识,包括连接数据库、创建数据表、插入、查询、更新和删除数据等操作。

这次,我们将学习一些更高级的操作,例如:

  • 使用 SQL 语句参数化,防止 SQL 注入攻击。
  • 使用事务 (Transaction) 保证数据一致性。
  • 使用 Python 的数据库 API 简化数据库操作。

一、 SQL 语句参数化:安全第一!

想象一下,如果用户的输入直接拼接到 SQL 语句中,会发生什么?

#  不安全的做法:
user_input = "'; DROP TABLE students; --"  #  恶意代码
cursor.execute(f"SELECT * FROM students WHERE name = '{user_input}'")  

😱 灾难现场! 恶意用户可以利用 SQL 注入攻击,删除你的数据表!

为了避免这种情况,我们需要使用 SQL 语句参数化

#  安全的做法:
user_input = "'; DROP TABLE students; --"  #  即使是恶意代码,也无法造成破坏
cursor.execute("SELECT * FROM students WHERE name = ?", (user_input,)) 

使用 ? 作为占位符,将用户输入作为参数传递给 execute() 方法,数据库会将其视为数据,而不是 SQL 代码的一部分,从而防止 SQL 注入攻击。

二、 事务 (Transaction):保证数据一致性

假设你需要将 100 元从账户 A 转账到账户 B,这个操作需要执行两个 SQL 语句:

  1. 从账户 A 扣除 100 元。
  2. 向账户 B 增加 100 元。

如果在执行这两个语句的过程中发生错误,例如网络中断,就会导致数据不一致,要么是账户 A 钱少了,要么是账户 B 钱多了。

为了避免这种情况,我们需要使用 事务

import sqlite3

conn = sqlite3.connect('mydatabase.db')
cursor = conn.cursor()

try:
    #  开启事务
    cursor.execute("BEGIN TRANSACTION")

    #  执行 SQL 语句
    cursor.execute("UPDATE accounts SET balance = balance - 100 WHERE id = 1")
    cursor.execute("UPDATE accounts SET balance = balance + 100 WHERE id = 2")

    #  提交事务
    conn.commit()
    print("转账成功!")

except Exception as e:
    #  发生错误,回滚事务
    conn.rollback()
    print("转账失败!", e)

finally:
    conn.close()

事务的特性 (ACID):

  • 原子性 (Atomicity): 事务中的所有操作要么全部成功,要么全部失败。
  • 一致性 (Consistency): 数据库从一个一致性状态变换到另一个一致性状态。
  • 隔离性 (Isolation): 多个事务并发执行时,不会相互影响。
  • 持久性 (Durability): 事务完成后,对数据库的修改是永久性的。

三、 Python 的数据库 API:更便捷的操作

Python 提供了数据库 API (Python Database API Specification v2.0),可以让我们使用统一的接口操作不同的数据库。

import sqlite3

#  连接数据库
conn = sqlite3.connect('mydatabase.db')

#  创建游标
cursor = conn.cursor()

#  执行 SQL 语句
cursor.execute("SELECT * FROM students")

#  获取查询结果
#  fetchone(): 获取下一行结果
#  fetchall(): 获取所有结果
#  fetchmany(size): 获取指定数量的结果
rows = cursor.fetchall()

#  遍历结果集
for row in rows:
    print(row)

#  关闭游标和连接
cursor.close()
conn.close()

总结

  • 使用 SQL 语句参数化,防止 SQL 注入攻击,确保数据安全。
  • 使用事务保证数据一致性,避免数据错误。
  • 使用 Python 的数据库 API 可以更方便地操作数据库。

掌握了这些技巧,你就离数据库大师更近了一步! 继续加油吧!

### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了一个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的一对一匹配策略,并在此基础上进行了优化,进一步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
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

打赏作者

ょ镜花う水月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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