获取SQL Server数据库元数据的几种方法

thy822 thy822 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 700+累计阅读 755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19年
关注
原创 最新推荐文章于 2026-05-21 10:05:11 发布 755 阅读 AI 写同款· GEO 优化 ›
sql server下的数据仓库的构建 SQL Server2008/R2 下的数据仓库的构建       本文详细介绍在SQL Server下如何做数据仓库的构建和如何利用数据仓库进行有效的分析，假设读者已经具备相关的理论知识，由于在SQL Server上都是实践过程，因此主要以截图来展示，这样做的好处是读者可直接按照该步骤进行操作，由于之前作者是写在word中的，因此直接截图，好了，话不多说，直接开始。 上面的全部内容是利用数据仓库... 阅读详情

元数据简介
https://www.jb51.net/article/70668.htm
元数据 (metadata) 最常见的定义为“有关数据的结构数据”，或者再简单一点就是“关于数据的信息”，日常生活中的图例、图书馆目录卡和名片等都可以看作是元数据。在关系型数据库管理系统 (DBMS) 中，元数据描述了数据的结构和意义。比如在管理、维护 SQL Server 或者是开发数据库应用程序的时候，我们经常要获取一些涉及到数据库架构的信息：

◆某个数据库中的表和视图的个数以及名称；
◆某个表或者视图中列的个数以及每一列的名称、数据类型、长度、精度、描述等；
◆某个表上定义的约束；
◆某个表上定义的索引以及主键/外键的信息。

下面我们将介绍几种获取元数据的方法。

获取元数据

使用系统存储过程与系统函数访问元数据

获取元数据最常用的方法是使用 SQL Server 提供的系统存储过程与系统函数。

系统存储过程与系统函数在系统表和元数据之间提供了一个抽象层，使得我们不用直接查询系统表就能获得当前数据库对象的元数据。

常用的与元数据有关的系统存储过程有以下一些：

系统存储过程

◆sp_columns 返回指定表或视图的列的详细信息。
◆sp_databases 返回当前服务器上的所有数据库的基本信息。
◆sp_fkeys 若参数为带有主键的表，则返回包含指向该表的外键的所有表；若参数为带有外键的表名，则返回所有同过主键/外键关系与该外键相关联的所有表。
◆sp_pkeys 返回指定表的主键信息。
◆sp_server_info 返回当前服务器的各种特性及其对应取值。
◆sp_sproc_columns 返回指定存储过程的的输入、输出参数的信息。
◆sp_statistics 返回指定的表或索引视图上的所有索引以及统计的信息。
◆sp_stored_procedures 返回当前数据库的存储过程列表，包含系统存储过程。
◆sp_tables 返回当前数据库的所有表和视图，包含系统表。

常用的与元数据有关的系统函数有以下一些：

系统函数

◆COLUMNPROPERTY 返回有关列或过程参数的信息，如是否允许空值，是否为计算列等。
◆COL_LENGTH 返回指定数据库的指定属性值，如是否处于只读模式等。
◆DATABASEPROPERTYEX 返回指定数据库的指定选项或属性的当前设置，如数据库的状态、恢复模型等。
◆OBJECT_ID 返回指定数据库对象名的标识号
◆OBJECT_NAME 返回指定数据库对象标识号的对象名。
◆OBJECTPROPERTY 返回指定数据库对象标识号的有关信息，如是否为表，是否为约束等。
◆fn_listextendedproperty 返回数据库对象的扩展属性值，如对象描述、格式规则、输入掩码等。

由于我们无法直接利用到存储过程与函数的返回结果，因此只有在我们关心的只是查询的结果，而不需要进一步利用这些结果的时候，我们会使用系统存储过程与系统函数来查询元数据。

例如，如果要获得当前服务器上所有数据库的基本信息，我们可以在查询分析器里面运行：

EXEC sp_databases
 GO

在返回结果中我们可以看到数据库的名称、大小及备注等信息。

但是如果要引用这部分信息，或者存储这部分信息以供后面使用，那么我们必须借助中间表来完成这个操作：


 
CREATE TABLE #sp_result
(
DATABASE_NAME sysname,
DATABASE_SIZE int,
REMARKS varchar(254) NULL
)
GO
INSERT INTO #sp_result
EXEC ('sp_databases')
GO
 

使用信息架构视图访问元数据

信息架构视图基于 SQL-92 标准中针对架构视图的定义，这些视图独立于系统表，提供了关于 SQL Server 元数据的内部视图。信息架构视图的最大优点是，即使我们对系统表进行了重要的修改，应用程序也可以正常地使用这些视图进行访问。因此对于应用程序来说，只要是符合 SQL-92 标准的数据库系统，使用信息架构视图总是可以正常工作的。

信息架构视图

◆INFORMATION_SCHEMA.CHECK_CONSTRAINTS：返回有关列或过程参数的信息，如是否允许空值，是否为计算列等。
◆INFORMATION_SCHEMA.COLUMNS：返回当前数据库中当前用户可以访问的所有列及其基本信息。
◆INFORMATION_SCHEMA.CONSTRAINT_COLUMN_USAGE：返回当前数据库中定义了约束的所有列及其约束名。
◆INFORMATION_SCHEMA.CONSTRAINT_TABLE_USAGE：返回当前数据库中定义了约束的所有表及其约束名。
◆INFORMATION_SCHEMA.KEY_COLUMN_USAGE：返回当前数据库中作为主键/外键约束的所有列。
◆INFORMATION_SCHEMA.SCHEMATA：返回当前用户具有权限的所有数据库及其基本信息。
◆INFORMATION_SCHEMA.TABLES：返回当前用户具有权限的当前数据库中的所有表或者视图及其基本信息。
◆INFORMATION_SCHEMA.VIEWS：返回当前数据库中的当前用户可以访问的视图及其所有者、定义等信息。

由于这些信息架构都是以视图的方式存在的，因此我们可以很方便地获得并利用需要的信息。

例如，我们要得到某个表有多少列，可以使用以下语句：

SELECT COUNT(*) FROM INFORMATION_SCHEMA.COLUMNS

WHERE TABLE_NAME='mytable'

使用系统表访问元数据

虽然使用系统存储过程、系统函数与信息架构视图已经可以为我们提供了相当丰富的元数据信息，但是对于某些特殊的元数据信息，我们仍然需要直接对系统表进行查询。因为SQL Server 将所有数据库对象的信息均存放在系统表中，作为 SQL Server 的管理、开发人员，了解各个系统表的作用将有助于我们了解 SQL Server 的内在工作原理。

SQL Server 的系统表非常多，其中最常用的与元数据查询有关的表有如下一些：
syscolumns 存储每个表和视图中的每一列的信息以及存储过程中的每个参数的信息。
syscomments 存储包含每个视图、规则、默认值、触发器、CHECK 约束、DEFAULT 约束和存储过程的原始 SQL 文本语句。
sysconstraints 存储当前数据库中每一个约束的基本信息。
sysdatabases 存储当前服务器上每一个数据库的基本信息。
sysindexes 存储当前数据库中的每个索引的信息。
sysobjects 存储数据库内的每个对象（约束、默认值、日志、规则、存储过程等）的基本信息。
sysreferences 存储所有包括 FOREIGN KEY 约束的列。
systypes 存储系统提供的每种数据类型和用户定义数据类型的详细信息。

将系统存储过程、系统函数、信息架构视图与系统表结合使用，可以方便地让我们获得所有需要的元数据信息。

示例：

1、 获得当前数据库所有用户表的名称。


 
SELECT OBJECT_NAME (id)
FROM sysobjects
WHERE xtype = 'U' AND OBJECTPROPERTY (id, 'IsMSShipped') = 0
 

其中主要用到了系统表 sysobjects以及其属性 xtype，还有就是用到了 OBJECTPROPERTY 系统函数来判断是不是安装 SQL Server 的过程中创建的对象。

2、获得指定表上所有的索引名称。

SELECT name FROM sysindexes
 WHERE id = OBJECT_ID ('mytable') AND indid > 0

综合实例

下面给出了一个存储过程，它的作用是自动将当前数据库的用户存储过程加密。

 
DECLARE @sp_name nvarchar(400)
DECLARE @sp_content nvarchar(2000)
DECLARE @asbegin int
declare @now datetime
select @now = getdate()
DECLARE sp_cursor CURSOR FOR
SELECT object_name(id)
FROM sysobjects
WHERE xtype = 'P'
AND type = 'P'
AND crdate < @now
AND OBJECTPROPERTY(id, 'IsMSShipped')=0
 
OPEN sp_cursor
 
FETCH NEXT FROM sp_cursor
INTO @sp_name
 
WHILE @@FETCH_STATUS = 0
BEGIN
SELECT @sp_content = text FROM
syscomments WHERE id = OBJECT_ID(@sp_name)
SELECT @asbegin =
PATINDEX ( '%AS' + char(13) + '%', @sp_content)
SELECT @sp_content =
SUBSTRING(@sp_content, 1, @asbegin - 1)
+ ' WITH ENCRYPTION AS'
+ SUBSTRING (@sp_content, @asbegin+2, LEN(@sp_content))
SELECT @sp_name = 'DROP PROCEDURE [' + @sp_name + ']'
EXEC sp_executesql @sp_name
EXEC sp_executesql @sp_content
FETCH NEXT FROM sp_cursor
INTO @sp_name
END
 
CLOSE sp_cursor
DEALLOCATE sp_cursor
 

该存储过程利用了 sysobjects 和 syscomments 表，并巧妙地修改了原存储过程的 SQL 定义语句，将 AS 修改为了 WITH ENCRYPTION AS，从而达到了加密存储过程的目的。本存储过程在 SQL Server 2000 上通过。
 

收录于
sqlserver

当前文章被收录于：

sqlserver
28 篇文章 1 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
SQL Server 数据仓库开发实例 打开“SQL ServerBusiness Intelligence Development Studio”链接：https://pan.baidu.com/s/1rP8ZCSx3BtZ4N4bQRmw98g。通过百度网盘分享的文件：cn_sql_server_2008_r2_enterprise。所用软件：Microsoft SQL Server 2008 R2。实验环境：win 10 ×64。 阅读详情

相关推荐

深入解析DB Link技术：从Oracle到SQL Server的数据库直连实践

本文深入解析DB Link技术，详细介绍了从Oracle到SQL Server的数据库直连实践。通过实战配置步骤、性能优化技巧和常见问题排查，帮助开发者高效实现跨数据库访问，提升数据交互效率。特别适合需要处理Oracle与SQL Server数据交互的企业级应用场景。

weixin_29233333的博客 460

SQL Server基础知识

一、四大系统数据库   SQL Server有四大默认数据库：Master、Model、Tempdb、Msdb。 Master   Master是SQL Server的主数据库，存放SQL Server所有元数据信息和一些基础信息。 Model   Model是SQL Server的模型数据库，是用来创建新数据库的模板数据库，可以存放任何存储过程、视图、用户等内容。创建新数据库时，新数据库会存放模...

雪辉博客 1866

SQL Server 2005 数据仓库实战指南与范例

SQL Server Integration Services（SSIS）是Microsoft SQL Server的一个组件，专门用于数据集成、数据转换和数据移动。SSIS作为一种强大的ETL工具，可以用于构建数据抽取、转换和加载（ETL）解决方案，从而简化数据仓库和数据集市的维护工作。SSIS的优势在于它的灵活性和可扩展性。它支持复杂的转换操作，如聚合、连接、合并、清洗，以及数据的拆分和数据的合并。此外，SSIS的图形化设计使得ETL过程的创建和维护更加直观。

weixin_42509513的博客 1070

【转抄及整理】获取SQL Server数据库的元数据

本文讲述了两种方法：方法一：使用系统存储过程来获取方法二：使用SQLDMO来获取方法一：使用系统存储过程来获取 元数据简介 元数据 (metadata) 最常见的定义为“有关数据的结构数据”，或者再简单一点就是“关于数据的信息”，日常生活中的图例、图书馆目录卡和名片等都可以看作是元数据。在关系型数据库管理系统 (DBMS) 中，元数据描述了数据的结构和意义。比如在管理、维护 SQL Serv...

weixin_30547797的博客 289

获取SQL_Server元数据的几种方法

获取SQL_Server元数据的几种方法获取SQL_Server元数据的几种方法获取SQL_Server元数据的几种方法获取SQL_Server元数据的几种方法

访问SQL Server元数据的三种方法

下面我们将介绍几种获取元数据的方法。 　　获取元数据 　　使用系统存储过程与系统函数访问元数据 　　获取元数据最常用的方法是使用 SQL Server 提供的系统存储过程与系统函数。 　　系统存储过程与系统函数在系统表和元数据之间提供了一个抽象层，使得我们不用直接查询系统表就能获得当

SqlServer用sql查询元数据详细的常用操作

--查询表注释 SELECT DISTINCT d.name, f.value FROM syscolumns a LEFT JOIN systypes b ON a.xusertype= b.xusertype INNER JOIN sysobjects d ON a.id= d.id AND d.xtype= 'U' AND d.name<> 'dtproperties' LEFT JOIN syscomments e ON a.cdefault= e.id LEFT JOIN

别人笑我太疯癫，我笑他人看不穿。 1769

如何获取SQLServer数据库元数据的方法[文].pdf

如何获取SQLServer数据库元数据的方法[文].pdf

【分享】Mysql、SqlServer、Oracle、PostgreSQL、ClickHouse和PrestoDB获取元数据（表、字段信息）SQL

工作中做数据同步的过程中，经常要获取表信息、表字段等元数据，做SQL解析，故整理一下常用的数据库获取元数据的SQL 这里的元数据指的是数据库内描述数据表和表字段信息的“身份证” 元数据表结构定义TableMetadata元数据字段结构定义ColumnMetadata。

码农阿福的博客 1310

如何获取SQL Server数据库元数据的方法

元数据(metadata)最常见的定义为“有关数据的结构数据”，或者再简单一点就是“关于数据的信息”，日常生活中的图例、图书馆目录卡和名片等都可以看作是元数据。在关系型数 据库管理系统(DBMS)中，元数据描述了数据的结构和意义。本文介绍了几种获取元数据的方法。

LightGBM处理类别特征和缺失值有多省心？一个真实业务数据案例带你上手

本文通过真实电商数据案例，详细解析了LightGBM如何高效处理类别特征和缺失值。相比传统方法，LightGBM仅需一行代码即可自动处理高基数类别特征和缺失值，大幅提升模型训练效率和预测准确度，特别适合业务场景中的脏数据处理。

weixin_30689307的博客 460

SQL Server获取元数据所有方法和示例

元数据 (metadata) 最常见的定义为"有关数据的结构数据"，或者再简单一点就是"关于数据的信息"，日常生活中的图例、图书馆目录卡和名片等都可以看作是元数据。在关系型数据库管理系统 (DBMS) 中，元数据描述了数据的结构和意义。比如在管理、维护 SQL Server 或者是开发数据库应用程序的时候，我们经常要获取一些涉及到数据库架构的信息：某个数据库中的表和视图的个数以及名称 ；某个表或者视图中列的个数以及每一列的名称、数据类型、长度、精度、描述等。

有一分热，发一分光。 9268

Fluent新手避坑：遇到‘Floating point exception’别慌，这7个排查步骤帮你搞定

本文为Fluent新手提供了遇到‘Floating point exception’错误时的7个详细排查步骤。从理解浮点异常的本质到边界条件检查、时间步长设置、求解器选择、网格优化、亚松弛因子调节以及高阶格式的取舍，帮助用户快速定位并解决问题，确保CFD仿真的稳定性和准确性。

weixin_30480075的博客 260

获取SQL Server数据库的元数据

本文讲述了两种方法：方法一：使用系统存储过程来获取方法二：使用SQLDMO来获取方法一：使用系统存储过程来获取元数据简介 元数据 (metadata) 最常见的定义为“有关数据的结构数据”，或者再简单一点就是“关于数据的信息”，日常生活中的图例、图书馆目录卡和名片等都可以看作是元数据。在关系型数据库管理系统 (DBMS) 中，元数据描述了数据的结构和意义。比如在管理、维护 SQL Serv

yyed的专栏 1315

瑞芯微RK3568与RK3566芯片选型指南：从接口差异到应用场景深度解析

在嵌入式系统与边缘计算领域，芯片选型是决定产品成败的关键一步。其核心在于理解芯片的架构、接口扩展能力与系统可靠性之间的平衡。以瑞芯微（Rockchip）的RK3568和RK3566为例，这两款同为四核A55架构的芯片，在基础算力上相近，但其面向的应用赛道却因接口配置而截然不同。RK3568凭借其双千兆网口、PCIe 3.0高速接口以及全链路ECC内存支持，在技术价值上更侧重于构建高可靠、高扩展性的系统，如边缘计算网关、工业控制器和网络视频录像机（NVR）。相比之下，RK3566则以其精简的接口配置，精准服务

weixin_33314040的博客 480

PCL 计算点云直线拟合的精度评价标准——直线度

计算点云直线拟合的精度评价标准——直线度

点云侠的博客 1042

怎样连接SQL Server Local DB

一、什么是SQL Server Local DB Microsoft SQL Server 2014 ExpressLocalDB是面向程序开发人团的SQL Server Express的执行模式，LocalDB安装将复制启动SQL Server数据库引擎所需要的最少的文件集。安装LocalDB后，开发人员将使用特定连接字符串来启动连接。连接是，将自动创建并启动所需的SQL

cuckoojosh的专栏 9169

【AMD | Docker】超级全面版本：在Docker中验证AMD GPU移动显卡可用性的方法

1. 安装ROCm Docker支持 ■AMD GPU驱动 ■ROCM ■Docker 2. 配置Docker使用ROCm 3. 使用官方ROCm Docker镜像 4. 使用Docker CLI参数访问GPU

静谧、淡雅 684

Odbc连SQL Server数据库的几种方法

Odbc连SQL Server数据库的几种方法 这篇文章是针对在优快云论坛 中的一些想知道这方面技术的网友而写的。因为最近我本人在论坛上看到很多网友提到这个问题，所以就写了这篇文章，以飨读者。SQL Server 是一种高效的关系数据库系统，它与Windows NT/2000及Windows 9x等操作系统紧密集成。也是今天市场上几种大型关系型数据库（SQL Server/Oracl

5102

如何让C++程序生成dump文件？生成dump文件的方式有哪些？如何使用Windbg分析dump文件？

本文详细介绍了如何让C++程序生成dump文件、生成dump文件的多种方式以及如何使用Windbg分析dump文件，并给出了对应的实战分析案例，有一定的实战参考价值。

dvlinker的技术专栏 5万+

OceanBase数据迁移(OMS)深度解析：异构数据库迁移方案、核心原理与实战优化指南

OceanBase迁移服务（OMS）提供异构数据库间全量+增量数据迁移与实时同步能力，核心价值在于保障业务连续性、数据一致性和异构兼容性。其分层架构包含服务接入层、流程编排层和组件链路层，支持Oracle/MySQL/DB2等与OceanBase的数据交互。关键技术包括DBCat引擎处理结构转换、并行分片实现全量迁移、以及日志解析保障增量同步。OMS通过类型映射、批量提交和断点续传等优化手段，确保迁移过程高效可靠，典型应用于去O迁移、数据库升级等场景。

本博客聚焦 YOLOv11 全流程落地，涵盖架构优化、数据集处理、训练技巧与多场景部署，兼及国产数据库、Java 开发与 AI 模型应用，内容兼顾理论与工程实践，为开发者提供系统干货，助力高效提升技术能力。 849

SQL总结之数据库元数据（MSSQL）

数据库元数据就是指定义数据库各类对象结构的数据。 常见的数据库对象，包括：数据库表、触发器，索引，视图，存储过程，函数。 掌握数据库元数据，就需要深入地理解数据库的结构组成。 那么掌握数据库元数据有什么用呢？一方面，在应用设计时能够充分地利用数据库元数据。另一方面，深入理解了数据库组织结构，再去理解数据访问相关框架的实现原理会更加容易。

gezhonglei2007的专栏 9335

DC/DC开关电源学习笔记（一）开关电源技术概述

开关模式电源（Switch Mode Power Supply，简称SMPS），又称交换式电源、开关变换器，是一种高频化电能转换装置，是电源供应器的一种。其功能是将一个位准的电压，透过不同形式的架构转换为用户端所需求的电压或电流。开关电源的输入多半是交流电源（例如市电）或是直流电源，而输出多半是需要直流电源的设备，例如个人电脑，而开关电源就进行两者之间电压及电流的转换。【百度百科】

小幽余生不加糖 1621

SQL server 创建DB Link 详解

链接服务器是 SQL Server 提供的一项功能，允许用户从 SQL Server 实例中访问其他 SQL Server 或非 SQL Server 数据源（如 Oracle、MySQL 等）。通过链接服务器，用户可以执行跨数据库查询，实现数据共享。在本文中，我们将探讨如何为 SQL Server 创建一个 DB Link，并提供相应的代码示例。

Ruishine的博客 2870

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")

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》。

获取SQL Server元数据的几种方法

 元数据简介　　元数据 (metadata) 最常见的定义为"有关数据的结构数据"，或者再简单一点就是"关于数据的信息"，日常生活中的图例、图书馆目录卡和名片等都可以看作是元数据。在关系型数据库管理系统 (DBMS) 中，元数据描述了数据的结构和意义。比如在管理、维护 SQL Server 或者是开发数据库应用程序的时候，我们经常要获取一些涉及到数据库架构的信息：　　某个数据库中的表和

Hello_World_wusu的专栏 1156

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
上一篇： 当前正在执行的SQL
下一篇： 聚集索引重建之后
点赞 0
评论 0
书签 书签 0
thy822
thy822
博客等级 码龄19年 313粉丝 294原创
+ 关注 专栏目录 订阅专栏
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