JDBC(一)

国土变更调查中六类拓扑错误的成因分析与高效修复实践 本文深入分析了国土变更调查中六类拓扑错误的成因,包括边界不一致和不规则图形等常见问题,并提出了高效的自动化修复实践。通过智能咬合算法、引力-斥力平衡模型等核心技术,显著提升了修复效率,节省人工质检时间70%。文章还分享了实战中的避坑指南和黄金法则,为相关从业人员提供了宝贵经验。 阅读详情

   

目录

 前言:idea连接Mysql

JDBC-API:DriverManager

JDBC-API:Connection

JDBC-API:Statement

JDBC-API:ResultSet


  • 前言:idea连接Mysql

     1、创建工程,导入驱动jar包

     2、注册驱动

//1、注册驱动
        Class.forName("com.mysql.cj.jdbc.Driver");

     3、获取连接

//2、获取连接
        String url="jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT&allowPublicKeyRetrieval=true";
        String username="root";
        String password="12345678";
        Connection conn=DriverManager.getConnection(url,username,password);

     4、定义SQL语句

//3.定义sql语句
        String sql="UPDATE account set money=2000 WHERE id=1";

     5、获取执行SQL对象 Statement

//4.获取执行sql的对象 Statement
        Statement stmt = conn.createStatement();

     6、执行SQL

//5.执行sql
        int count=stmt.executeUpdate(sql);//受影响的行数

     7、处理返回结果

System.out.println(count);

     8、释放资源

//7.释放资源
        stmt.close();
        conn.close();
  • JDBC-API:DriverManager

DriverManager(驱动管理类)功能:

        1、注册驱动

        2、获取数据库连接

查看Driver类源码:

获取连接:

通过 getConnection(String url,String username,String password) 

参数:

1、url :连接路径

语法:jdbc:mysql://ip地址(域名):端口号/数据库名称?参数键值对1&参数键值对2.......

实例:String url="jdbc:mysql://db1";(简化写法)

2、username:用户名

3、password:密码

  • JDBC-API:Connection

Connection的作用

1.获取执行SQL的对象

2.管理事务

 1.创建执行SQL的对象

在这里插入图片描述

执行SQL语句对象:

  • Statement :执行SQL
  • CallableStatement :执行数据库中存储过程
  • PreparedStatement :执行SQL.对SQL进行预处理。解决SQL注入漏洞。

2.管理事务

在这里插入图片描述

package com.itheima.jdbc;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.Statement;

/**
 * jdbc API 详解:DriverManager
 */
public class JDBCDemo3_Connection {
    public static void main(String[] args) throws Exception {
        //1、注册驱动
        //Class.forName("com.mysql.cj.jdbc.Driver");//通过反射将Driver类加载进内存

        //2、获取连接 :如果连接的是本机mysql并且端口号是默认的3306可以简化书写

        //String url="jdbc:mysql://db1?useSSL=false";
        String url="jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=utf-8" +
                "&useSSL=false&serverTimezone = GMT&allowPublicKeyRetrieval=true" ;
        String username="root";
        String password="12345678";
        Connection conn=DriverManager.getConnection(url,username,password);

        //3.定义sql语句
        String sql1="UPDATE account set money=3000 WHERE id=1";
        String sql2="UPDATE account set money=3000 WHERE id=2";

        //4.获取执行sql的对象 Statement
        Statement stmt = conn.createStatement();


        //开启事务

    //快捷键 control+Alt+T 使用try/catch抛出
        try {
            //开启事务
            //conn.setAutoCommit(false);
            //5.执行sql
            int count1=stmt.executeUpdate(sql1);//受影响的行数

            //6.处理结果
            System.out.println(count1);

            //造一个异常
            int i=3/0;


            //5.执行sql
            int count2=stmt.executeUpdate(sql2);//受影响的行数

            //6.处理结果
            System.out.println(count2);

            //提交事务
            //conn.commit();
        } catch (Exception e) {
            //回滚事务
            //conn.rollback();
            e.printStackTrace();
        }

        //提交事务

        //7.释放资源
        stmt.close();
        conn.close();
    }
}
  • JDBC-API:Statement

        作用:执行SQL语句

        1、int executeUpdate(sql):执行DML(对数据增删改)、DDL(对表和库的增删改查)语句

        2、ResultSet executrQuery(sql): 执行DQL语句(查询语句)(比较常用)

返回值:ResultSet 结果集对象(封装了DQL查询语句的结果)

package com.itheima.jdbc;

import org.junit.Test;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.Statement;

/**
 * jdbc API 详解:Statement
 */
public class JDBCDemo4_Statement {

    /**
     * 执行DML语句
     * @throws Exception
     */
    @Test
    public void testDML() throws Exception {
        //1、注册驱动
        //Class.forName("com.mysql.cj.jdbc.Driver");//通过反射将Driver类加载进内存

        //2、获取连接
        String url="jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT&allowPublicKeyRetrieval=true";
        String username="root";
        String password="12345678";
        Connection conn=DriverManager.getConnection(url,username,password);

        //3.定义sql语句
        String sql="UPDATE account set money=3000 WHERE id=5";

        //4.获取执行sql的对象 Statement
        Statement stmt = conn.createStatement();

        //5.执行sql
        int count=stmt.executeUpdate(sql);//执行完DML语句,受影响的行数

        //6.处理结果
        //System.out.println(count);
        if (count>0){
            System.out.println("修改成功");
        }else{
            System.out.println("修改失败");
        }

        //7.释放资源
        stmt.close();
        conn.close();
    }


    /**
     * 执行DDL语句  对数据库和表的操作
     * @throws Exception
     */
    @Test
    public void testDDL() throws Exception {
        //1、注册驱动
        //Class.forName("com.mysql.cj.jdbc.Driver");//通过反射将Driver类加载进内存

        //2、获取连接
        String url="jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT&allowPublicKeyRetrieval=true";
        String username="root";
        String password="12345678";
        Connection conn=DriverManager.getConnection(url,username,password);

        //3.定义sql语句
        String sql="drop database db2";

        //4.获取执行sql的对象 Statement
        Statement stmt = conn.createStatement();

        //5.执行sql
        int count=stmt.executeUpdate(sql);//执行完DML语句,受影响的行数

        //6.处理结果
        //System.out.println(count);
//        if (count>0){
//            System.out.println("修改成功");
//        }else{
//            System.out.println("修改失败");
//        }
        System.out.println(count);

        //7.释放资源
        stmt.close();
        conn.close();
    }
}
  • JDBC-API:ResultSet

在查询数据库后会返回一个ResultSet,它就像是查询结果集的一张数据表。ResultSet对象维护了一个游标,指向当前的数据 行。开始的时候这个游标指向的是第一行。如果调用了ResultSet的next()方法游标会下移一行,如果没有更多的数据了, next()方法会返回false。可以在for循环中用它来遍历数据集。

package com.itheima.jdbc;

import com.itheima.pojo.Account;
import org.junit.Test;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;
import java.util.ArrayList;
import java.util.List;

/**
 * jdbc API 详解:ResultSet
 */
public class JDBCDemo5_ResultSet {

    /**
     * 执行DQL查询语句
     * @throws Exception
     */
    @Test
    public void testDML() throws Exception {
        //1、注册驱动
        //Class.forName("com.mysql.cj.jdbc.Driver");//通过反射将Driver类加载进内存

        //2、获取连接
        String url="jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT&allowPublicKeyRetrieval=true";
        String username="root";
        String password="12345678";
        Connection conn=DriverManager.getConnection(url,username,password);

        //3.定义sql
        String sql="select * from account";

        //4.获取sql对象 Statement
        Statement stmt = conn.createStatement();

        //5.执行sql
        ResultSet res = stmt.executeQuery(sql);

        //6.处理结果,遍历res中所有数据
        //6.1  光标向下移动一行,并且判断当前行是否存在数据
        /*while (res.next()){
            //6.2 获取数据
            int id = res.getInt(1);
            String name = res.getString(2);
            double money = res.getDouble(3);

            System.out.println(id);
            System.out.println(name);
            System.out.println(money);

            System.out.println("------------------------------");
        }*/


        while (res.next()){
            //6.2 获取数据
            int id = res.getInt("id");
            String name = res.getString("name");
            double money = res.getDouble("money");

            System.out.println(id);
            System.out.println(name);
            System.out.println(money);

            System.out.println("------------------------------");
        }
    //7.释放资源
        res.close();
        stmt.close();
        conn.close();
    }




    /**
     * 查询account用户表数据,封装为account对象,并且存储为ArrayList集合中
     * 1.定义实体类Account
     * 2.查询数据,并且封装到account对象中
     * 3.将Account对象存入ArrayList集合中
     *
     *
     * @throws Exception
     */
    @Test
    public void testResultSet2() throws Exception {
        //1、注册驱动
        //Class.forName("com.mysql.cj.jdbc.Driver");//通过反射将Driver类加载进内存

        //2、获取连接
        String url="jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone = GMT&allowPublicKeyRetrieval=true";
        String username="root";
        String password="12345678";
        Connection conn=DriverManager.getConnection(url,username,password);

        //3.定义sql
        String sql="select * from account";

        //4.获取sql对象 Statement
        Statement stmt = conn.createStatement();

        //5.执行sql
        ResultSet res = stmt.executeQuery(sql);


        //创建集合
        List<Account> list=new ArrayList<>();


        //6.处理结果,遍历res中所有数据
        //6.1  光标向下移动一行,并且判断当前行是否存在数据
        while (res.next()){
            Account account=new Account();

            //6.2 获取数据
            int id = res.getInt("id");
            String name = res.getString("name");
            double money = res.getDouble("money");

            //赋值
            account.setId(id);
            account.setName(username);
            account.setMoney(money);

            //存入集合
            list.add(account);
        }

        System.out.println(list);

        //7.释放资源
        res.close();
        stmt.close();
        conn.close();
    }

}

从Xilinx FPGA到MIPI DSI LCD屏:手撸代码的实战经验分享 本文分享了使用Xilinx FPGA驱动MIPI DSI LCD屏的实战经验。作者从依赖官方IP核失败,到与底层D-PHY IP缠斗,最终通过手撸代码,直接配置GTY收发器原语并实现完整的D-PHY与DSI协议栈,成功点亮屏幕。文章详细剖析了协议细节、Vivado工具链的调试技巧与避坑指南,为FPGA工程师提供了从理论到实践的宝贵参考。 阅读详情

相关推荐

【Hypermesh】TetraMesh Panel 常用选项详解

结合Hypermesh 2020 帮助文档和自己的一点使用经验,整理了这个博客。

qgm1702的博客 3684

认识JDBC如何操作数据库的一套API?

听懂笔记,学习记录,一定要练习!!!

hspnb的博客 399

从共现矩阵到共现图一步到位——详解版

1.共现矩阵 判断大量不同文本之间,相邻词的联系,两词在所有文本中相邻的次数在矩阵中用数值表示。(参考此) 例子如下: 1.1 文本 • I like deep learning. • I like NLP. • I enjoy flying. 1.2 共现矩阵 2.共现图 2.1 数据预处理(节点和边) 获取文件node.csv和edge.csv。代码详见github仓库 2.2 共现图的制作 2.2.1 gephi的安装(参考此) (1)先下载gephi (2) 再配置java环境(下载java1.8

微乐的博客 4405

ssm项目,加了中文过滤器还是乱码。可以试试这样做。

?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=GMT (还可以解决乱码问题)在sqlurl加上可以解决乱码问题 mysql其他问题解决: 1.导入文件的时候要刷新要,才可以看到导入文件,找了半天没有看到(哎) 2.使用navicat管理数据库软件,开始连接mysql,报错。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fLZcglK6-1604976416780

qq_45216691的博客 505

SAP PP后台配置实战:从BOM到工艺路线的全流程解析

本文详细解析了SAP PP模块后台配置的全流程,从BOM到工艺路线的关键步骤与实战技巧。通过分享生产计划、工作中心能力计划等核心配置经验,帮助企业优化生产管理流程,提升SAP系统实施效率。特别针对BOM配置、工艺路线设置等常见问题提供解决方案。

weixin_29300931的博客 1010

PADS VX2.4差分对设置避坑指南:常见错误与解决方案

本文深度解析了在PADS VX2.4中进行高速PCB设计时,差分对设置的核心要点与常见陷阱。针对Layout规则设置、Router布线实战中的阻抗控制、线长匹配等关键环节,提供了具体的避坑指南和解决方案,帮助工程师确保信号完整性,提升设计质量。

weixin_29216049的博客 362

字符“&”在XML文件中需要被转义 IDEA MAVEN 插件报红色波浪线错误

(一)字符“&”在XML文件中需要被转义 弄Mybatis的XML配置文件时,因为这样一条语句 connectionURL="jdbc:mysql://localhost:3306/mybatis?useUnicode=true&characterEncoding=utf8&serverTimezone=GMT&useSSL=FALSE" 而运行出错。是因为&在xml文件中是特殊字符,需要使用转义字符,将&符号全部替换成&即可 connectio

qq_41160301的博客 4934

《R语言实战》第八章之回归分析图形

回归分析图形 回归分析分为简单回归与复杂回归 1 : 简单线性回归即:模型中只包含一个因变量和一个自变量,有时候也会包含多项式, 这个图形描述了身高与体重的线性关系,这也是一个多项式图形 2:当我们的预测变量(自变量)不止一个时,就属于多元线性回归,而且多元线性回归中也可以包含多项式以及交互项 (1)在进行多远回归分析之前可以先描述变量之间的相关关系 上图为一个散点图矩阵,描述了五个变量之间的相关关系,我们可以通过非主对角线的散点图来查看两个变量之间的关系。 多元线性回归简单地就是OLS回归,通过lm和

Strawberry_Ya的博客 1836

解决JDBC出错问题

第一次连上JDBC

qq_52764169的博客 392

Hierarchical Flow Partition(Top-down&&Bottom-up)

hierarchy flow是将设计切分成多个block,分别处理单个block,然后完成后,将它们进行拼接以完成最终的chip。一般划分为三个阶段:chip planning;physical budget就是pin assignmenthierarchy flow实现的方法有两种,一种是top-down,另一种是bottom-up,无论是哪种,都是都要通过flatten的方法分别全局范围进行优化实现。

qq_39493558的博客 3078

【AI大模型应用开发】【RAG评估】0. 综述:一文了解RAG评估方法、工具与指标

本文主要总结了当前比较流行的RAG评估方法和指标。当前AI技术的快速发展,RAG和RAG评估是当前比较有前景的发展方向,不断有新的评估工具和理论被提出,让我们持续跟进,了解这些工具和理论,从而在使用时知道如何选择。

同学小张的博客 6833

数据库连接URL配置 ?useSSL=false&serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8

参数 解释 useSSL=false mac电脑不使用安全连接 useUnicode=true&characterEncoding=UTF-8 https://blog.youkuaiyun.com/wangshuminjava/article/details/81478078 serverTimezone=UTC 设置时区

qq_45971324的博客 3541

4-20mA电流信号转电压

该电路实现4-20mA电流信号转电压(0.44-2.2V)调理功能,采用两级运放设计:第一级LMH6642MFX进行11倍放大,第二级配置为缓冲器加二阶低通滤波。电路包含10Ω采样电阻、多级RC滤波和ESD防护,具有抗干扰强、功耗低(4mW)等特点,适配3.3V系统ADC采集。通过使能控制MOS管可实现节能模式,适用于工业自动化、环境监测等场景。设计合理平衡了信号精度与功耗,输出电压范围留有充足余量避免饱和。

qq_37999850的博客 308

JDBC(一)大纲

好的,让我们来规划一下 JDBC(一)的学习大纲。

SAFE20242034的博客 469

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")

【sharding-jdbc】spring boot 集成sharding-jdbc 完成一主多从读写分离

应实际业务需求,实现一主多从读写分离。sharding-jdbc 框架能够实现此功能,集成此框架到项目中去。 集成sharding-jdbc前建议仔细阅读官网相关文档shardingsphere 官网shardingsphere github地址 步骤 引入相关依赖 <sharding-sphere.version>4.0.0-RC2</sharding-sphere.v...

miniy 248

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Mybatis原理分析一 从JDBC到Mybaits

1.引言 本文主要讲解JDBC怎么演变到Mybatis的渐变过程,重点讲解了为什么要将JDBC封装成Mybaits这样一个持久层框架。再而论述Mybatis作为一个数据持久层框架本身有待改进之处。 2.JDBC实现查询分析 我们先看看我们最熟悉也是最基础的通过JDBC查询数据库数据,一般需要以下七个步骤: (1)加载JDBC驱动 (2)建立并获取数据库连接 (3)创建 JDBC Sta

My Heart Will Go On 1475

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

JDBC详解(一):JDBC概述

是一个独立于特定数据库管理系统、通用的SQL数据库存取和操作的公共接口(一组API),定义了用来访问数据库的标准Java类库,使用这些类库可以以一种标准的方法、方便地访问数据库资源。⭕JDBC为访问不同的数据库提供了一种统一的途径,为开发者屏蔽了一些细节问题。⭕JDBC的目标是使Java程序员使用JDBC可以连接任何。

weixin_52533007的博客 2171

JDBC实战(一)JDBC概述

JDBC概述 1、什么是JDBC? 2、JDBC中涉及的一些概念 3、简单的小Demo入门JDBC 3.1、使用JDBC连接MySQL数据库 3.2、使用JDBC实现增删改查(CRUD) 3.3、了解JDBC中的SQL注入问题 package CRUD_test; import driver.JDBCUtils1; import java.sql.Connection; import java.sql.ResultSet; import java.sql.SQLException; import jav

LH is programming hard 876

【Javaweb】一、JDBC

文章目录参考资料1. JDBC概述1.1 概念1.2 本质1.3 JDBC好处2. JDBC快速入门 参考资料 https://www.bilibili.com/video/BV1Qf4y1T7Hx?p=30&spm_id_from=pageDriver 1. JDBC概述 1.1 概念 在开发中我们使用的是java语言,那么势必要通过java语言操作数据库中的数据。这就是接下来要学习的JDBC。 JDBC 就是使用Java语言操作关系型数据库的一套API。全称:( Java Data

weixin_42301220的博客 1207

一、JDBC 规范详解

JDBC 规范详解 一、JDBC API简介 1、定义 Java数据库连接(Java Database Connectivity,简称JDBC)是 Java 语言中提供访问关系型数据库(大多数情况下是关系型数据库)的接口 源码地址:https://github.com/RononoaZoro/mybatis-book/tree/master 的 mybatis-book ( mybatis-chapter02 ) 2、建立数据库连接 1)、JDBC API 中定义了 Connection 接口,用来

戴泽王的博客 1800

JDBC学习笔记(一)—— JDBC概述

01、JDBC概述 1.1、数据的持久化 持久化:把数据保存到可掉电式存储设备中以供之后使用。大多数情况下,特别是企业级应用,数据持久化意味着将内存中的数据保存到硬盘上加以”固化“,而持久化的实现过程大多通过各种关系数据库来完成。 持久化的主要应用是将内存中的数据存储在关系型数据库中,当然也可以存储在磁盘文件、XML数据文件中。 1.2、Java中的数据存储技术 1、在java中,数据库存储技术可分为如下几类: JDBC直接访问数据库 JDO(Java data object)技术 第三方O/R工具,

kuaixiao0217的博客 1007

JDBC(一)之细说JDBC

今天这一篇写的是关于JDBC的内容。之前一直在学习mysql数据库,那数据库怎么和我们的程序相互交互呢,它们之间的桥梁就是JDBC。接下来让我们直接进入正题! 一、JDBC概述 1.1、JDBC简介   JDBC全称为:Java DataBase Connectivity(java数据库连接)   JDBC是SUN公司为了简化、统一对数据库的操作,定义了一套Java操作数据库...

a878787877的专栏 236

【JDBC入门】(一)初识JDBC

一、什么是JDBC? Java数据库连接,(Java Database Connectivity,简称JDBC)是Java语言中用来规范客户端程序如何来访问数据库的应用程序接口,提供了诸如查询和更新数据库中数据的方法。它由一组用Java语言编写的类和接口组成。有了JDBC,程序猿就可以直接通过java代码来访问数据库。 二、JDBC API和驱动 JDBC API和驱动 JDBC的API是由Su...

江小举的博客 976

JDBC 概述 一

分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.youkuaiyun.com/jiangjunshow也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 1.1 什么是 JD

hfdhjjj的博客 342

JDBC学习一:JDBC概念,JDBC相关类

文章目录JDBC的概念使用JDBC的流程DriverManager类讲解数据库URL讲解Connection类讲解Statement类讲解ResultSet类讲解释放资源 JDBC的概念 JDBC全称为:Java Data Base Connectivity【Java数据库连接】 SUN公司为了简化、统一对数据库的操作,定义了一套Java操作数据库的规范(接口), 称之为JDBC。这套接口由数据库...

weixin_43306403的博客 250

一、JDBC概述

一、JDBC概述 1.1 数据的持久化 持久化:把数据保存到可掉电式存储设备中以供之后使用。大多数情况下,特别是企业级应用,数据持久化意味着将内存中的数据保存到硬盘上加以固话,而持久化的实现过程大多通过各种关系数据库来完成。 1.2 java中的数据存储技术 在Java中,数据库存储技术可以分为如下几类: JDBC直接访问数据库 JDO(java Data Object) 技术 第三方O/R工具,如Hibernate,Mybatis等 JDBC是java访问数据库的基石,JDO、

txb116424的博客 228
上一篇: MySQL(一)
下一篇: Maven入门
码 码 码
博客等级 码龄6年 14粉丝 13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