53-Oracle sqlhc多版本实操含(23 ai)

远方1609 远方1609 博客等级 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 900+累计阅读 954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 码龄22年
关注
原创 2025-06-20 18:35:18 954 阅读 AI 写同款· GEO 优化 ›
Android开发- （2）MediaProjection API实战：构建高效屏幕共享与远程控制方案 本文深入探讨了Android开发中利用MediaProjection API实现高效屏幕共享与远程控制方案的实战方法。文章从权限申请、虚拟屏幕创建讲起，详细解析了图像捕获、编码压缩、Socket网络传输的核心流程，并进一步介绍了如何构建双向控制通道及关键的性能优化与避坑指南，为开发者构建稳定可用的远程协作应用提供了完整路径。 阅读详情

SQLHC（SQL Health Check）作为 Oracle 数据库性能诊断的核心工具，其设计理念和核心功能在 Oracle 各版本中保持高度一致，但在技术实现和周边生态上存在渐进式优化。定期对关键业务 SQL 执行健康检查，特别是在版本升级或统计信息变更后。

一、SQLHC（SQL Tuning Health-Check Script）的功能和技术

1. 功能：
SQLHC（SQL Tuning Health-Check Script）是Oracle提供的一个用于检查单个SQL语句运行环境的健康检查工具。它收集与SQL性能相关的各种信息，诊断SQL性能问题。
  1. 被分析的SQL语句访问的模式对象的CBO统计信息。
  2. CBO参数。
  3. CBO系统统计。
  4. CBO数据字典统计。
  5. CBO固定对象统计。
2. 技术原理：
  1. 收集环境信息：SQLHC通过查询数据字典和动态性能视图，收集与SQL执行相关的环境信息，包括数据库版本、参数设置、系统统计信息等。
  2. 分析SQL执行计划：获取指定SQL_ID的执行计划，并分析其执行计划是否合理，是否存在性能问题。
  3. 检查统计信息：验证相关表、索引、列的统计信息是否最新和准确，以及是否存在缺失或过时的统计信息。
  4. 检查参数设置：验证影响优化器行为的参数设置是否合理，如optimizer_mode、optimizer_index_cost_adj等。
  5. 生成报告：将收集的信息和分析结果汇总生成HTML报告，便于用户查看。
3. 报告解析​
通过动态采集以下关键数据生成 HTML 报告：
关键技术点​：
  • ​诊断包集成​：当启用 Tuning Pack 或 Diagnostics Pack 时，自动整合 AWR/ASH 数据
  • ​动态采样​：实时获取执行计划、10053 跟踪文件
  • ​环境快照​：记录 SQL 运行时的数据库配置状态

二、SQLHC 在 Oracle 各版本中的演进

版本 演进重点 技术特点 兼容性说明

Oracle 10g 初始版本发布 基于 SQL 脚本集（"sqlhc.sql"），无数据库痕迹（Rollback 机制） 仅支持 10g+（依赖 SQL_ID 机制）

Oracle 11g/12c 增强 AWR 集成 支持诊断包（Diagnostics Pack）获取历史执行计划，优化统计信息收集逻辑 脚本通用，无版本差异

Oracle 19c 容器数据库（CDB/PDB）支持 可针对 PDB 运行，输出报告包含多租户环境信息 脚本与 11g/12c 完全相同

Oracle 23ai 生态工具升级核心 SQLHC进化，23ai 全系列版本兼容，适配23ai新特性，仍是官方推荐的SQL诊断工具

三、各版本实操

1. 通用 SQLHC 诊断（全版本适用）

# 下载脚本并解压 unzip sqlhc.zip ，sql中记得找到对应的路径

 2. 使用步骤​

--解压缩
 unzip sqlhc.zip
[oracle@rac11 ~]$ ls -lrht
total 2.0M
-rw-r--r-- 1 oracle oinstall 2.6K Sep 19  2024 tbs.sql
-rw-r--r-- 1 oracle oinstall  263 Sep 26  2024 history.log
-rw-r--r-- 1 oracle oinstall   34 Oct 10  2024 wyxx.j
dr-xr-xr-x 3 oracle oinstall 4.0K Feb 23 17:01 sqlhc
-rw-r--r-- 1 oracle oinstall 1.5M Jun 19 20:49 pdbrs6-20250619-7-9AM.html
-rw-r--r-- 1 oracle oinstall  83K Jun 20 10:45 RAC-PDBRS6-20250620.txt
-rw-r--r-- 1 root   root     223K Jun 20 17:21 sqlhc.zip
-rw-r--r-- 1 root   root     171K Jun 20 17:21 sqlhc11g.zip
[oracle@rac11 ~]$ cd sqlhc/
[oracle@rac11 sqlhc]$ pwd
/home/oracle/sqlhc
[oracle@rac11 sqlhc]$ ls -lrht
total 880K
-rw-r--r-- 1 oracle oinstall  545 Oct  9  2024 sqlhc_pxhcdr_null.sql
-rw-r--r-- 1 oracle oinstall 2.3K Oct  9  2024 sqlhc_tcb.sql
-rw-r--r-- 1 oracle oinstall  48K Oct 10  2024 sqldx.sql
-rw-r--r-- 1 oracle oinstall  510 Oct 10  2024 sqlhc_db_null.sql
-rw-r--r-- 1 oracle oinstall 328K Oct 10  2024 sqlhc_db.sql
-rw-r--r-- 1 oracle oinstall  491 Oct 10  2024 sqlhc_exit.sql
-rw-r--r-- 1 oracle oinstall  75K Oct 10  2024 sqlhc_pxhcdr.sql
-rw-r--r-- 1 oracle oinstall 4.4K Oct 10  2024 sqlhc_sta.sql
-rw-r--r-- 1 oracle oinstall  60K Oct 10  2024 util_planx.sql
dr-xr-xr-x 4 oracle oinstall 4.0K Feb 23 17:00 utl
-rw-r--r-- 1 oracle oinstall 337K Feb 23 17:03 sqlhc.sql
--
-- 以DBA身份连接
sqlplus / as sysdba

-- 执行SQLHC脚本（需提前下载解压）
START /path/to/sqlhc.sql "T" <SQL_ID>

参数说明​：

  1.  "T"：启用Tuning Pack（含Diagnostics）
  2.  "D"：仅启用Diagnostics Pack
  3.  "N"：无许可包
  4.  ：目标SQL的ID（从V$SQL或AWR报告中获取）
2.默认是已经开启了awr的收集，如无请开启

手动生成AWR快照,AWR报告中的sql id需要使用

EXEC DBMS_WORKLOAD_REPOSITORY.CREATE_SNAPSHOT();
--
--查询数据
SELECT /* SQLHC_20250620*/ * from his50.tbl_Clinic where 1=1 order by dRegisterDate;
--
00000003021657391315    0000000302        姜**         1          53      20-JUN-25              20-JUN-25        5301                                           0
170606                  20250620000514    孙**        1          32      20-JUN-25               20-JUN-25        MR           MR                                0
170713                  20250620000515    杨**        1          67      20-JUN-25               20-JUN-25        MR           MR                                0
170747                  20250620000516    杨**         1          67      20-JUN-25                20-JUN-25        MR           MR                                0

1,472 rows selected.
--再次收集awr
EXEC DBMS_WORKLOAD_REPOSITORY.CREATE_SNAPSHOT();
--找寻SQL_ID
SELECT sql_id, plan_hash_value, substr(sql_text,1,40) sql_text  
FROM  v$sql 
WHERE sql_text like 'SELECT /* SQLHC_20250620*/%';

SQL> SELECT sql_id, plan_hash_value, substr(sql_text,1,40) sql_text
  2  FROM  v$sql
  3* WHERE sql_text like 'SELECT /* SQLHC_20250620*/%';

          SQL_ID    PLAN_HASH_VALUE                                    SQL_TEXT
________________ __________________ ___________________________________________
78mdr2csmpkrr            1293871107 SELECT /* SQLHC_20250620*/ * from his50.
 3. Oracle 11g​/19C
-- 使用示例中的SQL_ID 78mdr2csmpkrr
--START /home/oracle/sqlhc.sql "T" <SQL_ID>
START /home/oracle/sqlhc/sqlhc.sql "T" 78mdr2csmpkrr
--
Archive:  sqlhc_20250620_1728_78mdr2csmpkrr.zip

4. 23ai
Connected to:
Oracle Database 23ai Free Release 23.0.0.0.0 - Develop, Learn, and Run for Free
Version 23.8.0.25.04

SYS@FREE> @/home/oracle/sqlhc/sqlhc.sql "T" 0npm6czzaj44m

Parameter 1:
Oracle Pack License (Tuning, Diagnostics or None) [T|D|N] (required)



PL/SQL procedure successfully completed.


Parameter 2:
SQL_ID of the SQL to be analyzed (required) or press RETURN to get
DB only mode (only non-SQL_ID report).



PL/SQL procedure successfully completed.


DB_SCRIPT
------------------------------------------------------------------------------------------------------------------------
sqlhc_db_null.sql


Session altered.

Running in SQL_ID mode

Session altered.


INPUT_SQL_ID
-------------
0npm6czzaj44m

Values passed:
License: "T"
Mode   : "SQL ID mode"
SQL_ID : "0npm6czzaj44m"


      DBID
----------
1475650002


SQL_ID
-------------
0npm6czzaj44m


PL/SQL procedure successfully completed.


PL/SQL procedure successfully completed.

SYS@FREE>
SYS@FREE> /**************************************************************************************************
SYS@FREE>  *
SYS@FREE>  * begin_common: from begin_common to end_common sqlhc.sql and sqlhcxec.sql are identical
SYS@FREE>  *
SYS@FREE>  **************************************************************************************************/
SYS@FREE> SELECT 'BEGIN: '||TO_CHAR(SYSDATE, 'YYYY-MM-DD/HH24:MI:SS') FROM dual;

'BEGIN:'||TO_CHAR(SYSDATE,


……………………

  adding: sqlhc_20250620_1820_0npm6czzaj44m_2_startup_history.txt (deflated 55%)



Parameter 1:
Oracle Pack License (Tuning or Diagnostics) [T|D] (required)



Parameter 2:
Output Type (HTML or CSV or Both) [H|C|B] (required)



Parameter 3:
SQL_ID of the SQL to be analyzed (required)


Values passed:
License: "T"
Output : "CSV"
SQL_ID : "0npm6czzaj44m"


### ... getting SQL text ...


### ... getting signature ...


### ... getting tables ...


### ... generating dynamic script, please wait ...

Session altered.


  adding: sqlhc_20250620_1820_0npm6czzaj44m_8_sqldx.zip (stored 0%)


SQLDX files have been added to sqlhc_20250620_1820_0npm6czzaj44m.zip

Archive:  sqlhc_20250620_1820_0npm6czzaj44m.zip
  Length      Date    Time    Name
---------  ---------- -----   ----
   951447  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_1_main.html
    11946  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_3_execution_plans.html
    16311  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_4_sql_detail.html
    26361  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_9_log.zip
     1326  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_10_sql_tuning_advisor.out
   178280  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_6_10053_trace_from_cursor.trc
      574  06-20-2025 18:24   sqlhc_20250620_1820_0npm6czzaj44m_11_tcb.zip
   438049  06-20-2025 18:25   sqlhc_20250620_1820_0npm6czzaj44m_12_awr.zip
     3213  06-20-2025 18:25   sqlhc_20250620_1820_0npm6czzaj44m_7_driver.zip
      147  06-20-2025 18:23   sqlhc_20250620_1820_0npm6czzaj44m_2_startup_history.txt
   351816  06-20-2025 18:26   sqlhc_20250620_1820_0npm6czzaj44m_8_sqldx.zip
---------                     -------
  1979470                     11 files

SQL>

四、sqlhc注意事项​

SQL_ID限制​：

  • 不支持PL/SQL包内的SQL。
  • 一次仅能分析一个SQL_ID。

许可要求​：

  • Tuning/Diagnostics Pack非必需，但启用后可获取AWR深度分析。

​前置条件​：

  • 需在SQL执行前后生成AWR快照（否则报告无数据）：
EXEC DBMS_WORKLOAD_REPOSITORY.CREATE_SNAPSHOT();

输出解读​：

  • 报告文件命名：sqlhc_<日期>_<时间>_.zip
  • 核心文件：*_main.html（汇总问题与建议）
标签
#oracle #数据库 #sql #database #大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
2026年数字IC设计华为笔试带答案解析 这篇文章是一份数字IC设计工程师笔试的试卷结构和部分题目解析。试卷包含单选题31题（每题2分）、多选题10题（每题4分）和简答/编程题4题（每题7分），总分130分，考试时长120分钟。 摘要重点： 试卷涵盖数字IC设计的关键知识点，包括Verilog语法、时序逻辑、状态机设计、跨时钟域处理等； 题目解析详细说明了各选项的正确性，如非阻塞赋值特性（D错误）、功耗影响因素（C与组合逻辑级数弱相关）等； 包含实际工程问题，如DDR4接口电平（SSTL-1.2）、卡诺图变量排序（格雷码）等； 部分题目考察基础概念 阅读详情

相关推荐

MATLAB实战：用ARMAX模型搞定电力系统惯量实时评估（附完整代码）

本文详细介绍了如何利用MATLAB中的ARMAX模型实现电力系统惯量的实时评估。通过系统辨识技术，结合电力系统的动态特性，提供从数据预处理、模型辨识到实时评估的全流程实战指南，并附完整代码。ARMAX模型在新能源高渗透率电网中展现出显著优势，误差较传统方法降低50%以上。

b9c0d的博客 395

SQLHC使用

SQLHC用于检查单条SQL语句运行的环境，包括基于成本的优化器（CBO）的统计数据，用户对象的元数据定义，配置参数和其它可能影响到目标SQL性能的因素。解压出来后，可以看到改语句的全部信息，这里重点关注sqlhc_20241031_1115_gc6d3jxbh57q1_10_sql_tuning_advisor这个文件，里面是调优建议，和计划对比。执行完成后SQLT和SQLHC脚本生成的报告文件都在进入SQL*Plus之前的OS的当前目录下。2.选择优化的语句的sql_id。执行sqlhc.sql脚本。

IIOOHHHSSSS的博客 1364

ARM的CI-700和Arteris的NoC对比

设计理念：CI-700注重于为移动和客户端SoC提供定制化的互连解决方案，而Arteris的NoC更侧重于提供灵活、可配置的网络互连技术，适用于多种应用场景。性能与功耗：CI-700通过系统级缓存和网状拓扑结构优化性能和功耗，而Arteris的NoC通过物理感知和多协议支持来提升性能和降低功耗。功能安全：Arteris的NoC提供了功能安全支持，这对于汽车和工业应用尤为重要，而CI-700虽然也关注安全性，但未明确提及功能安全支持。互操作性。

ygyglg的专栏 2622

Oracle数据库调优利器SQLHC详细介绍(附带下载地址)

Oracle数据库调优利器SQLHC详细介绍(附带下载地址)

chenoracle的博客 1161

windows11系统封装教程

1、 现在电脑品牌各式各样，小白对电脑软件的安装存在较大的难题，今天笔者针对以上的问题做如下教程：windows11系统封装教程方式为视频方式。

cyz141001的博客 5879

STLink驱动安装全攻略：从卸载到Keil配置的完整避坑指南

本文提供了STLink驱动安装与Keil环境配置的完整避坑指南。详细讲解了从驱动卸载、重装到Keil调试器设置的每一步，并针对常见的设备无法识别、连接不稳定等问题给出了深度解决方案，帮助开发者快速搭建稳定的STM32开发环境。

weixin_29182481的博客 425

SQL性能分析工具sqlhc简单介绍

sqlhc是老虎刘最常用的SQL优化工具，没有之一。这个工具在oracle 的 MOS网站可以下载，原压缩包里面有3个文件，老虎刘一般只用sqlhc.sql一个文件。 sqlhc是SQL health check的简称，能够收集sql相关的表、索引、统计信息、优化器参数、SQL执行情况、等待事件等信息，可以帮你检查SQL存在的问题并优化SQL。使用sqlhc之前，首先要提供要检查或优化的SQL的sql_id，一般DBA都知道sql_id，遗憾的是有些初级研发人员却不知道sql_id为何物，自己百度一下，非

Hehuyi_In的博客 7368

GD32F4系列替换STM32F4，HAL库CAN初始化卡死？一个Sleep模式的坑与填坑实录

本文详细解析了GD32F4系列替换STM32F4时，HAL库CAN初始化卡死的问题根源——Sleep模式差异。通过对比两款芯片CAN控制器的默认状态，提出了不修改HAL库源码的解决方案，即在HAL_CAN_MspInit()中清除SLEEP位，并分析了该方法的优势。文章还提供了国产MCU替换的通用建议和调试技巧，帮助开发者高效解决问题。

weixin_29174013的博客 217

告别盲调！SQLHC让低效SQL无所遁形，Oracle调优效率提升80%

SQLHC（SQL Tuning Health-Check）是 Oracle Server 技术专家中心开发的 SQL 调优工具，核心功能是检查单个 SQL 语句的运行环境，涵盖基于成本的优化器（CBO）统计数据、模式对象元数据、配置参数等可能影响 SQL 性能的关键元素。

huanhuanzhou blog 878

ABAP CDS View 从入门到精通教程第一篇：ABAP CDS View 在 SAP 技术体系中的重要地位

摘要：本文介绍了SAP开发技术专家提供的多套SAP开发教程，涵盖ABAP、UI5、Fiori、OData、BTP等技术领域。重点阐述了ABAP CDS View在SAP S/4HANA中的核心地位，作为虚拟数据模型(VDM)的关键技术，它实现了OLTP和OLAP的统一处理。文章还说明了学习CDS View的前置条件，包括需要SAP NetWeaver 7.50 SP01或更高版本系统，以及使用SAP ABAP Development Tool进行开发实践。作者具有16年SAP开发经验，这些教程形成了完整的S

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 899

ArcGIS笔记2_如何将经纬度WGS84地理坐标系转换为米单位CGCS2000投影坐标系

本博文则主要讲解，如果我们手里拿到的shp文件是在ArcGIS中，如何将经纬度WGS84地理坐标系转换为米单位CGCS2000投影坐标系。

晏长街的博客 4万+

四步搞定异常SQL

导读：本文介绍如何查找需要进行优化的异常SQL并进行处理。影响SQL执行效率的因素主要包括以下几点。1）统计信息，具体如下陈旧的统计信息错误的优化器参数配置数据库迁移前后优化器的改变频繁的...

华章IT官方博客 1223

C#客户端对接工厂MES的方法

本文介绍了使用C#实现WebApi客户端与工厂MES系统交互的方法。主要包括四个步骤：1)配置工控机IP地址；2)获取服务器URL；3)创建HttpHelper帮助类实现单例模式HttpClient，提供异步POST请求方法；4)通过实例化帮助类实现设备状态数据的JSON格式发送与接收。该方案采用异步通信方式，支持超时处理，能够满足大多数MES系统交互需求，帮助工程师快速完成设备与MES系统的数据对接。文中给出了核心代码片段和完整的数据交互流程示例。

weixin_39832501的博客 264

了解一下sqlhc

看到很多大神，尤其是老虎刘老师在做SQL调优的时候，都提到了sqlhc，找了一些资料，借此机会，学习一下。sqlhc是SQL Tuning Health-Check Script的缩写，...

bisal的专栏 1356

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")

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

Oracle11g全新讲解之SQL讲解

Oracle数据库中的SQL讲解

波波烤鸭的博客 1321

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

三器合一，根治SQL痼疾，降低80%性能事故！

今天，解锁Oracle性能优化的“黄金三剑客”

IT邦德 1154

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Oracle 如何使用 SQLT 进行 SQL 调优

作者 | JiekeXu来源 |公众号 JiekeXu DBA之路（ID: JiekeXu_IT）如需转载请联系授权 |(个人微信 ID：JiekeXu_DBA)大家好，我是 JiekeXu,很高兴又和大家见面了,今天和大家一起来看看 Oracle 如何使用 SQLT 进行 SQL 调优，欢迎点击上方蓝字“JiekeXu DBA之路”关注我的公众号，标星或置顶，更多干货第一时间到达！SQLT：S...

JiekeXu的博客 898

SQL 性能健康检查脚本 (SQLHC) (Doc ID 1626277.1)

SQLHC一共有3个脚本：sqlhc.sql 和 sqldx.sql

msdnchina的专栏@JiNan,ShanDong 4977

oracle健康度检查脚本,Oracle SQL 性能健康检查脚本 (SQLHC) (文档 ID 1626277.1)

什么是 SQL Tuning Health-Check Script? (SQLHC)SQL Tuning Health-Check Script 是 Oracle Server Technologies Center of Expertise 开发的一个工具。该工具也被称为 SQLHC，用于检查单条 SQL 语句运行的环境，包括基于成本的优化器(CBO)的统计数据，用户对象的元数据定义，配置参...

weixin_30445963的博客 296

SQL性能健康检查脚本 (SQLHC)(文档 ID 1626277.1)

SQL性能健康检查脚本 (SQLHC)(文档 ID 1626277.1) 对于SQLHC（SQL Health Check，SQL性能健康检查脚本）工具，Mos文档1626277.1有...

coco3600的博客 734

Oracle SQL 性能健康检查脚本 (SQLHC) (文档 ID 1626277.1)

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_34396902的博客 412

SQL 性能健康检查脚本 (SQLHC) (文档 ID 1626277.1)

适用于:Oracle Database - Enterprise Edition - 版本 10.2.0.1 和更高版本Oracle Database Products &gt; Oracle Database Suite &gt; Oracle DatabaseOracle Database - Standard Edition - 版本 10.2.0.1 和更高版本Oracle Databas...

逝鸿的博客 1612

Oracle静默安装，含仅软件安装和数据库安装及常见报错处理方法DBT-10317 DBT-05509 [FATAL] ORA-03114

本文详解Oracle 19c单机版静默安装与数据库创建全流程，涵盖目录配置、响应文件编写、安装及建库命令，附常见报错（如DBT-10317、ORA-03114）解析与解决方案，包含删库指令与日志分析，适合内网环境自学实战，免费干货，实用性强。

qq_41474349的博客 177

Spring 事务详解：@Transactional 如何生效、何时回滚、传播行为怎么选

从订单与库存写入出发，拆解 @Transactional 的代理调用链、默认回滚规则与自调用问题；通过 Spring Boot + H2 的五个验证用例比较 REQUIRED、REQUIRES_NEW、NESTED，并说明数据库事务与 Redis、消息和远程接口的边界。

qq_74421990的博客 305

Oracle多租户集群PDB异机恢复至单机部署数据库

本文详细演示了将Oracle RAC集群中的PDB（RMAN_PDB）通过RMAN备份恢复至单机CDB的全过程。首先在源库创建测试PDB并插入数据，随后配置RMAN备份路径，备份该PDB及其元数据文件。接着将备份文件传输至单机环境，启动实例并恢复控制文件与数据文件，最后利用DBMS_PDB.EXPOSE_PDB_FROM_RMAN生成PDB描述文件，将其插入新单机CDB中，实现PDB的独立使用。整个流程涵盖数据准备、备份、恢复及插入，完整验证了跨环境PDB迁移的可行性。

qq_57492774的博客 183

Mysql数据库基础篇（三）：全面掌握数据库与数据表操作：深度剖析底层文件差异与核心管理机制

如果你想彻底改掉某个字段的名字，应该使用 change。实例：将 employee表中的 name列修改为xingming注意：使用 change时，即便不改变数据类型，在指定了新列名后依然需要完整地写一遍它的数据类型与约束定义。

2501_93641778的博客 238
上一篇： 52-Oracle 23 ai DB_DEVELOPER_ROLE和BOOLEAN类型-新特性
下一篇： 54-Oracle 23 ai DBMS_HCHECK新改变-从前的hcheck.sql
点赞 21
评论 0
书签 书签 25
远方1609
远方1609
博客等级 码龄22年 577粉丝 121原创
+ 关注
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
 
表情包 插入表情
表情包 代码片
 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