MyBatis高级查询

-------------------------siwuxie095

  

  

  

  

  

  

MyBatis 高级查询

  

  

1、MyBatis 作为一个 ORM 框架,也对 SQL 的高级查询做了支持,

MyBatis 高级查询分为如下三种:

  

1一对一

  

2一对多

  

3多对多

  

  

「MyBatis高级查询 也被称为 MyBatis 高级结果映射

  

  

  

2、案例:用户订单订单详情商品的关系

  

1)一对一

  

1)场景:订单和用户的关系

2)描述:相对于订单来说,一个订单只能属于一个用户

  

PS:实际上,订单和用户的关系是一对多,这里采用了

相对的概念,从单向看,就是一对一

  

  

2)一对多

  

1)场景:订单和订单详情的关系

2)描述:一个订单可以有多个订单详情,一个订单详情只能属于一个订单

  

  

3)多对多

  

1)场景:订单和商品的关系

2)描述:一个订单可以有多个商品,一个商品可以属于多个订单

  

PS:这里需要订单详情在中间,以维护关系

  

  

  

3、建表

  

1

  

1)通过外键建立关系:假设的任意一方为,在的那一方创建

字段作为外键,指向的那一方的主键,并将外键设置为唯一

  

2)通过主键建立关系:方的主键对应另方的主键

  

  

2:通过外键建立关系

  

的那一方创建字段作为外键,指向的那一方的主键

  

  

3:创建第三张表维护关系

  

第三张表至少要有两个字段作为外键,分别指向双方的主键

  

  

  

  

  

  

  

  

  

【made by siwuxie095】

### 解决 PP-OCRv4 出现的错误 当遇到 `WARNING: The pretrained params backbone.blocks2.0.dw_conv.lab.scale not in model` 这样的警告时,这通常意味着预训练模型中的某些参数未能匹配到当前配置下的模型结构中[^2]。 对于此问题的一个有效解决方案是采用特定配置文件来适配预训练权重。具体操作方法如下: 通过指定配置文件 `ch_PP-OCRv4_det_student.yml` 并利用已有的最佳精度预训练模型 (`best_accuracy`) 来启动训练过程可以绕过上述不兼容的问题。执行命令如下所示: ```bash python3 tools/train.py -c configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_student.yml ``` 该方案不仅解决了参数缺失带来的警告,还能够继续基于高质量的预训练成果进行微调,从而提升最终检测效果。 关于蒸馏的概念,在机器学习领域内指的是将大型复杂网络(teacher 模型)的知识迁移到小型简单网络(student 模型)。这里 student 和 teacher 的关系是指两个不同规模或架构的神经网络之间的指导与被指导的关系;其中 teacher 已经经过充分训练并具有良好的性能,而 student 则试图模仿前者的行为模式以达到相似的效果但保持更高效的计算特性。 至于提到的 `Traceback` 错误信息部分,由于未提供具体的跟踪堆栈详情,难以给出针对性建议。不过一般而言,这报错往往涉及代码逻辑错误或是环境配置不当等问题。为了更好地帮助定位和解决问题,推荐记录完整的异常日志,并仔细检查最近修改过的代码片段以及确认依赖库版本的一致性。
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
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