mysql语句

MySQL预处理语句 MySQL官方将prepare、execute、deallocate统称为PREPARE STATEMENT。 其用法 PREPARE stmt_name FROM preparable_stmt EXECUTE stmt_name [USING @var_name [, @var_name] ...] {DEALLOCATE | DROP} PREPARE stmt_name -- ... 阅读详情

mysql数据库

常用语句

1.说明:创建数据库
CREATE DATABASE database-name
2、说明:删除数据库drop database dbname**
3、说明:备份sql server— 创建 备份数据的 deviceUSE masterEXEC sp_addumpdevice ‘disk’, ‘testBack’, ‘c:\mssql7backup\MyNwind_1.dat’— 开始 备份BACKUP DATABASE pubs TO testBack
4、说明:创建新表create table tabname(col1 type1 [not null] [primary key],col2 type2 [not null],…)

根据已有的表创建新表:
A:create table tab_new like tab_old (使用旧表创建新表)
B:create table tab_new as select col1,col2… from tab_old definition only
5、说明:删除新表drop table tabname
6、说明:增加一个列Alter table tabname add column col type
注:列增加后将不能删除。DB2中列加上后数据类型也不能改变,唯一能改变的是增加varchar类型的长度。
7、说明:添加主键: Alter table tabname add primary key(col)
说明:删除主键: Alter table tabname drop primary key(col)
8、说明:创建索引**:**create [unique] index idxname on tabname(col….)
删除索引:drop index idxname
注:索引是不可更改的,想更改必须删除重新建。
9、说明:创建视图:create view viewname as select statement
删除视图:drop view viewname
10、说明:几个简单的基本的sql语句选择:select * from table1 where 范围
**插入:**insert into table1(field1,field2) values(value1,value2)
**删除:delete from table1 where 范围
更新:update table1 set field1=value1 where 范围
查找:select * from table1 where field1 like ’%value1%’ —like的语法很精妙,查资料!

  • SELECT *FROM t_username WHERE id=5; 精确查找指定id的
  • SELECT*FROM t_username WHERE username=‘李四’; 查询指定字段的指定

排序**:select * from table1 order by field1,field2 [desc]
总数:select count as totalcount from table1
求和:select sum(field1) as sumvalue from table1
平均:select avg(field1) as avgvalue from table1
最大:select max(field1) as maxvalue from table1
最小:select min(field1) as minvalue from table1
11、说明:几个高级查询运算词A: UNION 运算符**
UNION 运算符通过组合其他两个结果表(例如 TABLE1 和 TABLE2)并消去表中任何重复行而派生出一个结果表。当 ALL 随 UNION一起使用时(即 UNION ALL),不消除重复行。两种情况下,派生表的每一行不是来自 TABLE1 就是来自 TABLE2。
B: EXCEPT 运算符 EXCEPT 运算符通过包括所有在 TABLE1 中但不在 TABLE2 中的行并消除所有重复行而派生出一个结果表。当 ALL 随 EXCEPT 一起使用时 (EXCEPT ALL),不消除重复行。
C: INTERSECT 运算符INTERSECT 运算符通过只包括 TABLE1 和 TABLE2 中都有的行并消除所有重复行而派生出一个结果表。当 ALL 随 INTERSECT 一起使用时 (INTERSECT ALL),不消除重复行。
**注:**使用运算词的几个查询结果行必须是一致的。
12 、说明:使用外连接
A、left (outer) join:
左外连接(左连接):结果集几包括连接表的匹配行,也包括左连接表的所有行。
SQL: select a.a, a.b, a.c, b.c, b.d, b.f from a LEFT OUT JOIN b ON a.a = b.c
B:right (outer) join:
右外连接(右连接):结果集既包括连接表的匹配连接行,也包括右连接表的所有行。
C:full/cross (outer) join:
全外连接:不仅包括符号连接表的匹配行,还包括两个连接表中的所有记录。
12 、分组:Group by: 一张表,一旦分组 完成后,查询后只能得到组相关的信息。
组相关的信息:(统计信息) count,sum,max,min,avg 分组的标准)
在SQLServer中分组时:不能以text,ntext,image类型的字段作为分组依据在selecte统计函数中的字段,不能和普通的字段放在一起;

13、对数据库进行操作:分离数据库: sp_detach_db; 附加数据库:sp_attach_db 后接表明,附加需要完整的路径名
14. 如何修改数据库的名称:
sp_renamedb ‘old_name’, ‘new_name’

联系:

外键--用于关联两个表
要删除两个表,那就先删除子  才能删除父
外键的的定义语句必须写在后面。

CREATE TABLE t_demo(id INT PRIMARY KEY AUTO_INCREMENT,sname VARCHAR(20) NOT NULL,spassword VARCHAR(20) NOT NULL ,DESCRIPTION VARCHAR(20),formdate DATE);
INSERT INTO t_demo(sname,spassword,formdate,DESCRIPTION) VALUES('zhangsan','1234',20191109,'学生');
SELECT*FROM t_demo;
DESC t_demo;
--FOREIGN KEY (id) REFERENCES t_demo(id)主外键的关联关系
--FOREIGN KEY (id) REFERENCES t_demo(id),外键
--bigid INT PRIMARY KEY AUTO_INCREMENT,主键
CREATE TABLE t_demo2(bigid INT PRIMARY KEY AUTO_INCREMENT, id INT ,sname VARCHAR(20) NOT NULL,spassword VARCHAR(20),FOREIGN KEY (id) REFERENCES t_demo(id));
INSERT INTO t_demo2(id,sname,spassword) VALUES(1,'kkk','123');
SELECT*FROM t_demo2;
INSERT INTO t_demo2(id,sname,spassword) VALUES(7,'kkk','123');

概念:

  1. 为什么有数据库的存在:

    • 因为我们在操作程序的过程中肯定有数据的操作和存储,如果不能将数据存在硬盘上,我们的数据只是临时的,所以我们要想永久保存数据,就要将数据通过数据库,存储在硬盘上。
  2. 数据库的分类:

    • SQL sever
    • mySQL
    • oracle数据库
  3. 数据库在存储过程,依据具体的事务会选择存储引擎,不同的存储引擎的特点不相同:事务性存储引擎(简单的事务概念:取钱时:出钱和余额的变化,这就是一个事务,两个不能单独发生变化),常用的事务引擎是InnoDB,在MySQL5.5.5之后,数据库默认使用的就是这个引擎。它支持事务安全表,行锁定(类似于Java中多线程的安全锁)和外键。

  4. 数据库的简单使用流程(以mysql为例):

    • 官网安装好数据库之后,是黑窗口的形式打开的,个人喜欢界面化软件,所以下载了Sqlyog工具

    • 在启动的时候,首先要启动数据库。我们在计算机–管理–服务中找到mysql,启动服务。

    • 然后启动sqlyog软件,就可以连接数据库了。

  5. 我们在自己电脑上安装的服务器是将数据存在了本地,我们使用的客户端和服务端都在一台电脑,工作中数据库会被放在服务器上。

  6. 在使用数据库之前,先简单看看数据库的界面。

  7. 数据库的创建流程

    1. 创建数据库 CREATE DATABASE t_library;

    2. 创建表格:

      CREATE TABLE t_tacher(tid INT PRIMARY KEY AUTO_INCREMENT,gender VARCHAR(10) DEFAULT('male') NOT NULL,tname VARCHAR(20) NOT NULL ,tage INT NOT NULL,ttime DATE);
      
      
    3. 创建子表:

      CREATE TABLE s_student(sid INT PRIMARY KEY AUTO_INCREMENT,tid INT , gender VARCHAR(10) DEFAULT('male') NOT NULL ,sname VARCHAR(20)NOT NULL ,sage INT NOT NULL,stime DATE ,FOREIGN KEY(tid) REFERENCES t_tacher(tid));
      
      --注意:FOREIGN KEY(tid) REFERENCES t_tacher(tid));创建外键的语句。
      
      --创建两个外键的子表。
      CREATE TABLE book2(id INT PRIMARY KEY AUTO_INCREMENT,sid INT ,tid INT ,bname VARCHAR(30)NOT NULL,price DOUBLE,btime DATE ,bdescription VARCHAR(50),FOREIGN KEY(sid)REFERENCES s_student(sid),FOREIGN KEY(tid)REFERENCES t_tacher(tid));
      
    4. 添加数据:

      INSERT INTO t_tacher(gender,tname,tage,ttime) VALUES('famale','李老师',26,20181019);
      INSERT INTO t_tacher(gender,tname,tage,ttime) VALUES('famale','王老师',26,20170819);
      INSERT INTO t_tacher(tname,tage,ttime) VALUES('赵老师',29,20160716);
      SELECT*FROM t_tacher;
      
    5. 表内容的简单操作

      --表属性的展示
      DESC s_student;
      
      --显示数据表里面的内容
      SELECT*FROM s_student;
      
      --删除表格
      DROP TABLE book;
      
  8. 练习:

    要求:建一个图书管理的数据库,并在其中建三个表 分别为学生表,图书表,管理员表(每张表字段不能少于五个),并将三张表关联起来。
    往三张表中插入数据,通过学生表查询学生所借阅的书籍,通过管理员查询管理员所管理的图书。
    
    --在创建过程中,有点变化,通过管理老师查询到的是学生不是自己管理的书。
    CREATE DATABASE t_library;
    CREATE TABLE t_tacher(tid INT PRIMARY KEY AUTO_INCREMENT,gender VARCHAR(10) DEFAULT('male') NOT NULL,tname VARCHAR(20) NOT NULL ,tage INT NOT NULL,ttime DATE);
    CREATE TABLE s_student(sid INT PRIMARY KEY AUTO_INCREMENT,tid INT , gender VARCHAR(10) DEFAULT('male') NOT NULL ,sname VARCHAR(20)NOT NULL ,sage INT NOT NULL,stime DATE ,FOREIGN KEY(tid) REFERENCES t_tacher(tid));
    CREATE TABLE book(id INT PRIMARY KEY AUTO_INCREMENT,sid INT ,bname VARCHAR(30)NOT NULL,price DOUBLE,btime DATE ,bdescription VARCHAR(50),FOREIGN KEY(sid)REFERENCES s_student(sid));
    DESC t_tacher;
    DESC s_student;
    CREATE TABLE book2(id INT PRIMARY KEY AUTO_INCREMENT,sid INT ,tid INT ,bname VARCHAR(30)NOT NULL,price DOUBLE,btime DATE ,bdescription VARCHAR(50),FOREIGN KEY(sid)REFERENCES s_student(sid),FOREIGN KEY(tid)REFERENCES t_tacher(tid));
    DESC book2;
    INSERT INTO t_tacher(gender,tname,tage,ttime) VALUES('famale','李老师',26,20181019);
    INSERT INTO t_tacher(gender,tname,tage,ttime) VALUES('famale','王老师',26,20170819);
    INSERT INTO t_tacher(tname,tage,ttime) VALUES('赵老师',29,20160716);
    SELECT*FROM t_tacher;
    INSERT INTO s_student(tid,gender,sname,sage,stime)VALUES(1,'famale','小明',18,20200707);
    INSERT INTO s_student(tid,sname,sage,stime)VALUES(1,'小华',19,20190707);
    SELECT*FROM s_student WHERE(tid=1);
    INSERT INTO s_student(tid,gender,sname,sage,stime)VALUES(2,'famale','赵钱',18,20200707);
    INSERT INTO s_student(tid,sname,sage,stime)VALUES(2,'孙黎',19,20190707);
    INSERT INTO s_student(tid,gender,sname,sage,stime)VALUES(3,'famale','唐松',18,20200707);
    INSERT INTO s_student(tid,sname,sage,stime)VALUES(3,'元庆',19,20190707);
    DESC s_student;
    SELECT*FROM s_student;
    DROP TABLE book;
    CREATE TABLE book(id INT PRIMARY KEY AUTO_INCREMENT,sid INT ,bname VARCHAR(30)NOT NULL,price DOUBLE,btime DATE ,bdescription VARCHAR(50),FOREIGN KEY(sid)REFERENCES s_student(sid));
    DROP TABLE book2;
    INSERT INTO book(sid,bname,price,btime,bdescription)VALUES(6,'并发艺术',100,20200714,'信息技术类');
    INSERT INTO book(sid,bname,price,btime,bdescription)VALUES(5,'百年孤独',34,20200715,'外国文学');
    INSERT INTO book(sid,bname,price,btime,bdescription)VALUES(1,'时间简史',66,20200719,'科技类丛书');
    SELECT*FROM book;
    SELECT*FROM book WHERE(sid=6);
    
    
    -- 在这主要是创建了,主外键的联系,在数据库中,主键是唯一且不能为空的,在每个表中可以创建外键。
    

INSERT INTO book(sid,bname,price,btime,bdescription)VALUES(1,‘时间简史’,66,20200719,‘科技类丛书’);
SELECTFROM book;
SELECT
FROM book WHERE(sid=6);

– 在这主要是创建了,主外键的联系,在数据库中,主键是唯一且不能为空的,在每个表中可以创建外键。

【MySQL 系列】MySQL 语句篇_DQL 语句 DQL(Data Query Language),即数据查询语言,用来查询数据记录。DQL 基本结构由 SELECT FROM、WHERE、JOIN 等子句构成。 DQL 语句并不会改变数据库,而是让数据库将查询结果发送结果集给客户端,返回的结果是一张虚拟表。 阅读详情

相关推荐

【MySQL 系列】MySQL 语句篇_DDL 语句

DDL( Data Definition Language,数据定义语言)用在定义或改变表的结构数据类型、表之间的链接和约束等初始化工作上。常用的语句关键字包括 CREATE、 DROP、 ALTER 等。

栗筝i的博客 4311

oracle col type,Oracle表操作1、创建表create table tab

该楼层疑似违规已被系统折叠隐藏此楼查看此楼Oracle表操作1、创建表create table tabname(col1 type1 [not null] [primary key],col2 type2 [not null],..)根据已有的表创建新表:A:select * into table_new from table_old (使用旧表创建新表)B:create table tab_n...

weixin_35330534的博客 519

Blender学习笔记——制作向量场

#下载Blender - UE4 - FGA Vector Field Editor插件的压缩包,Github上的下载地址如下:https://github.com/isathar/Blender_UE4_VectorFieldEditor #下载并解压后将FGA VectorFields文件夹复制到C:\Program Files\Blender Foundation\Blender 2.83\2.83\scripts\addons目录下,此步骤可根据blender安装的位置自行调整,只要放入addon

wychao2020的博客 1724

oracle数据库约束创建,Oracle数据库的字段约束创建和维护

创建Oracle数据库的字段约束: 非空约束唯一约束对字段的取值的约束默认值外键约束 create table tab_class( class_id number pr创建Oracle数据库的字段约束:非空约束唯一约束对字段的取值的约束默认值外键约束create table tab_class(class_id number primary key,class_name varchar2(10)...

weixin_33098963的博客 267

JetBrains Air:多Agent协同的IDE运行时架构解析

IDE智能编程正从单模型增强迈向多Agent协同范式。多Agent架构通过职责分离、上下文精简与运行时隔离,显著提升代码生成稳定性与合规性;其核心依赖轻量级嵌入式运行时(如ARL),支持AST级内存共享、eBPF安全拦截与毫秒级冷启动。该架构天然适配本地化部署、离线开发与高安全合规场景(如PCI-DSS、金融内网),并为Java/Python/TS等语言提供可扩展的规则驱动开发流水线。JetBrains Air正是这一技术路径的工程化落地代表。

weixin_30443075的博客 565

图解基站机房:AAU、RRU与BBU之间的线缆连接与规格选择

本文以图解方式详解了5G基站机房中AAU、RRU与BBU三大核心设备之间的线缆连接方案与规格选择。重点阐述了电力线(如2×10 mm²直流电缆)、数据光缆(如野战光缆与波分复用)及射频馈线的功能、选型标准与实战布线法则,为通信工程部署与维护提供清晰指导。

weixin_29306011的博客 498

create table tab1

use zhucm_sql;--创建表并将本地数据导入表drop table if exists bala_zhu_weekly_tmp;create table 'bala_zhu_weekly_tmp'( 'Platform' VARCHAR(20) COMMENT '平台', 'brand' VARCHAR(20) COMMENT '品牌', `Order_time` varchar(50...

GameOverTryAgain的博客 438

2025年“区块链技术”职业院校技能大赛赛后复盘与总结(必看)

记录一次2025年“区块链技术”职业院校技能大赛的参加经验总结与赛后复盘

我是网络安全兼技能大赛工程师,专注网络安全技术学习与技能大赛实战!持续分享最新的技术文章,帮你少走弯路,一起在技术赛道上进步~ 1992

sqlserver 根据旧表创建新表

sqlserver数据库中,根据旧表创建新表的方法,网上流行的是以下两种: A:create table tab_new like tab_old (使用旧表创建新表) B:create table tab_new as select col1,col2… from tab_old definition only 然而,用上面的语句创建表时,都提示语法错误,经过百度和尝试之后,发现以下两...

qq_22592457的博客 7925

MeloTTS 生成 RKNN 模型

摘要: 本方案基于RK3588平台,利用RKNN工具链实现高效语音合成(TTS)。采用MeloTTS开源模型,支持中英文混合语音生成。部署流程包括:1) 导出ONNX模型;2) 转换为RKNN格式;3) 在RK3588开发板运行。关键步骤包含环境配置(RKNN Toolkit2≥1.4.0)、模型转换(非量化处理)及音频处理实现。方案充分发挥RK3588的NPU加速能力,适用于边缘设备语音合成场景

J。 346

qq对接openclaw,通过qq发送命令

把 OpenClaw 接入 QQ 和微信,目前主流的微信文章和教程主要提供了两种截然不同的路径。我为你梳理了它们的核心区别和关键步骤,你可以根据自己的需求来选择。

suny8的专栏 270

MySQL常使用到的语句

学习的时候,有不少经常使用的mysql语句,下面记录一下学习时经常使用到的mysql语句。 MySQL语句一、 MySQl程序操作1.1 在终端上操作1.2 通用语法二、 数据库命令行操作2.1 操作数据库2.2 操作数据表2.3 创建表实例三、 crud命令行操作3.1 增加3.2 读取3.3 更新3.4 删除四、 DQL(数据库查询语句)4.1 查询语句4.2 条件查询4.3 排序查询4...

qq_45069279的博客 9万+

【人工智能】OpenClaw网关API速率限制报错全解析 API rate limit reached. Please try again later.

对应HTTP标准状态码为429(请求过多)。该报错集中出现在OpenClaw GATEWAY DASHBOARD的聊天会话界面,核心特征为:用户最初以为是单一模型服务商的问题,先后更换OpenAI、Gemini、Ollama、Moonshot、Mercury-2等多个主流大模型API后,该报错仍稳定触发,尤其在执行复杂任务时高频出现。

奶爸的编程之路,也就一周冷个三天 6458

MySQL语句大全

MySQL语句大全 一、基础 1.说明:创建数据库 create database database-name 2.说明:删除数据库 drop database dbname 3.说明:创建新表 create table tabname(col1 type1 [not null] [primary key],col2 [not null],…) 4.说明:根据已有的表创建新表 A:create table tab_new like tab_old(使用旧表创建新表) B:create table tab_n

qq_46002550的博客 7万+

STM32 stack_size和heap_size大小设置的意义

在使用STM32编程时,一般情况下我们不会关注堆栈空间的大小,因为在STM32的启动文件中,已经帮我们预先设置好了堆栈空间的大小。如下图所示的启动代码中,Stack栈的大小为:0x400(1024Byte),Heap堆的大小为:0x200(512Byte)。 1、若工程中使用的局部变量较多,定义的数据长度较大时,若不调整栈的空间大小,则会导致程序出现栈溢出,程序运行结果与预期的不符或程序跑飞。这时我们就需要手动的调整栈的大小。 2、当工程中使用了malloc动态分配内存空间时,这时分配.......

zxm8513优快云博客 3万+

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

MySQL delete 语句

mysql 中delete语句主要分为三个层次,下面简单介绍下 1. 最基础的条件删除,如下所示 DELETE FROM table_name where table_name.name='dell' 还有一种按序删除的方式如下 DELETE FROM customers ORDER BY Name LIMIT 10 2.MySQL DELETE语句使用INNER JOIN...

从未完美过的博客 4万+

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

mysql的replace语句_MySQL replace语句

在本教程中,您将学习如何使用MySQL REPLACE语句向数据库表插入或更新数据。MySQL REPLACE语句简介MySQL REPLACE语句是标准SQL的MySQL扩展。 MySQL REPLACE语句的工作原理如下:如果给定行数据不存在,那么MySQL REPLACE语句会插入一个新行。如果给定行数据存在,则REPLACE语句首先删除旧行,然后插入一个新行。 在某些情况下,REPLACE...

weixin_39702400的博客 1148

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

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")

mysql 判断语句_mysql条件判断语句讲解

MySQL的判断语句有两种,if,switch语句,这两种语句都可以用来做为mysql的条件判断语句,但是它们各自又都有不同,今天给大家讲解这;两种判断语句的不同。《php与MySQL权威指南》第3章php基础,本章介绍了PHP的工作原理及发展状况,并通过一些简单的示例对PHP基础语法、变量和常量、数据类型、数据类型之间的转换、表达式和运算符,以及流程控制语句等知识点进行了介绍。本节为大家介绍条件...

weixin_30345333的博客 5689

mysql的replace语句_MySQL中的replace语句

一、背景当使用replace语句更新access_apps表时,原有的mark列、remark列的信息丢失。access_apps表中有mark、remark列,replace语句中没有mark、remark列。错误原因:错误认为replace语句相当于当主键冲突时,已修改的列将使用新值,未修改的列将使用旧值replace语句对于缺失的列将使用默认值,而不是当前行中的值,导致原有的列信息丢失。二、...

weixin_33453301的博客 2004

【MySQL】Update 语句

SQL UPDATE 语句 UPDATE 语句用于更新表中的记录。 SQL UPDATE 语句 UPDATE 语句用于更新表中已存在的记录。 SQL UPDATE 语法 UPDATE table_name SET column1=value1,column2=value2,... WHERE some_column=some_value; 123 演示数据库 在本教程中,我们将使用 RUNOOB 样本数据库。 下面是选自 “Websites” 表的数据: +----+--------------+----

a6458360的博客 1万+

mysql prepare语句使用

语法 PREPARE statement_name FROM sql_text /*定义*/ EXECUTE statement_name [USING variable [,variable...]] /*执行预处理语句*/ DEALLOCATE PREPARE statement_name /*删除定义*/ 例 mysql> PREPARE prod FROM "IN...

微信公众号:一颗向上的草莓 6349

mysql的delete语句_mysql删除语句

展开全部mysql删除语句如下:1、delete删除一行:delete from student where id=1。2、delete删除多行:delete from student where in (1,2,3)3。3、删62616964757a686964616fe78988e69d8331333433623162除表的所有数据:delete from student,请使用不带where...

weixin_33451125的博客 4949

mysql 查询语句 in,Mysql IN语句查询

语法:WHERE column IN (value1,value2,...)WHERE column NOT IN (value1,value2,...)1、in 后面是记录集,如:select * from table where uname in(select uname from user);例子:SELECT * FROM article WHERE uid IN(SE...

weixin_27070451的博客 4212

mysql的预准备语句_MySQL准备语句

MySQL准备语句在MySQL 4.1版之前,每个查询都以文本格式发送到MySQL服务器,并使用文本协议将查询返回的数据返回给客户端。在将结果返回给客户端之前,MySQL已完全解析了查询并将结果集转换为字符串。在这里,解析意味着对提交的查询进行语法和语义上的验证,并且特权也得到验证。将数据返回给客户端的文本协议存在严重的性能问题。为了克服这个问题,MySQL从4.1版本开始提供了一种称为“预处理语...

weixin_42501974的博客 387

mysql insert语句_MySQL INSERT语句简介

INSERT语句的语法:INSERTINTOtable(c1,c2,...) VALUES(v1,v2,...);首先,在INSERT INTO子句后的括号内指定表名和逗号分隔列的列表。然后,在VALUES关键字后面的括号内放入逗号分隔的相应列的值列表。列数和值必须相同。另外,列的位置必须与其值的位置相对应。单个语句将多行插入到表中INSERT,请使用以下语法:INSERTINTOtab...

weixin_42299310的博客 5330

mysql语句转成 sqlserver 语句

MySQL语句转成SQL Server语句 在数据库迁移或多数据库应用开发过程中,经常需要将MySQL的SQL语句转换为SQL Server的SQL语句。由于两者在语法和功能上存在差异,直接转换可能会遇到一些问题。本文将介绍一些常见的转换方法和示例,帮助开发者更好地进行语句转换。 1. 数据类型转换 MySQL和SQL S...

weixin_36956341的博客 731
上一篇: JS语法基础
下一篇: javascript内置对象/js事件/DOM/BOM简介
一天3顿饭
博客等级 码龄7年 6粉丝 51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