SQL:结构化查询语言
C R U D: 增删改查
table : name age score
desc+表名 ---> 查询表结构
或者用 describe 命令 (desc是describe的简写)
查询语言:SELECT [DISTINCT] {*,column[alias],...} FROM table;
SELECT identifies what columns FROM identifies which table
******* SELECT 查什么 FROM 从哪里查 *******
SELECT dept_id,last_name,manager_id FROM s_emp;
遇到空值时可以这样操作:
SELECT last_name,title,salary*NVL(commission_pct,0)/100 COMM FROM s_emp;
排除查询时出现重名现象 ,用关键字 DISTINCT
eg: SELECT DISTINCT name FROM s_dept;
排除两个字段连合起来还有重复的现象:
eg: SELECT DISTINCT dept_id,title FROM s_emp;
对查询的结果进行排序用 ORDER BY;
eg: SELECT last_name "姓名",salary "工资" FROM s_emp ORDER BY salary;
(默认是升序排序)
eg: SELECT last_name "姓名",salary "工资" FROM s_emp ORDER BY salary asc;
(asc指定为升序排序)
eg: SELECT last_name "姓名",salary "工资" FROM s_emp ORDER BY salary desc;
(desc指定为降序排序)
总结:order by 排序
asc 升序
desc 降序
select last_name EMPLOYEE,start_date from s_emp order by EMPLOYEE desc;
(在排序的时候可以用别名当做字段[排序的根据]进行排序)--->这里是(EMPLOYEE)。
select last_name,salary*12 from s_emp order by 2;
(这里的2是用来指定字段的位置,这里指向 salary*12 ,即按员工的年薪排序)
select last_name,dept_id,salary from s_emp order by dept_id,salary desc;
(先按dept_id的升序进行排序,排完后再按salary的降序进行排序)
注:这里dept_id后没有直接指排序规则,按默认的升序排序。
WHERE关键字:
SELECT 姓名,部门ID FROM s_emp WHERE dept_id = 42;
(从s_emp表中查出部门ID=42的员工姓名和部门ID)
select last_name,dept_id from s_emp where last_name = ‘Biri’;
(查出员工姓名是Biri的员工的部门ID)
注:这里的Biri是用单[']号括起来的
select last_name,salary from s_emp where salary > 1000 order by salary;
(查出s_emp表中员工工资大于1000的员工的姓名并且按员工工资进行排序)
注:这里是WHERE和BODER BY结合的例子,ORDER BY放在语句的最后。
查两个范围之间的语句有两种:
1.select last_name,salary from s_emp where 1500<salary and salary<2000 order by salary;
2.select last_name,salary from s_emp where salary between 1500 and 2000 order by salary;
(两句都是用来查出工资在1500-2000之间的员工的姓名)
注:第二句用了between ..and..语句,在where之后一定要跟上标准;
between..and..查出的数据是包括限定范围在内的
in的用法:
select last_name,dept_id from s_emp where dept_id in (41,42,43);
(查出部门ID是 41,42,43 的所有员工)
select last_name,COMMISSION_PCT from s_emp where COMMISSION_PCT is null;
(查出s_emp表中COMMISSION_PCT为空的所有员工的姓名)
注:这里用了关键字 ----> is null。
select last_name,COMMISSION_PCT from s_emp where COMMISSION_PCT is not null;
(查出s_emp表中COMMISSION_PCT不为空的所有员工的姓名)
select * from s_emp where last_name like ‘B%’;
(查出s_emp表中姓名首字母为B的所有员工的信息)
补充:不等于的三种表示方式: != 、<>、^=
NOT BETWEEN
NOT IN
NOT LIKE
IS NOT NULL
[%]是通配符 [_]单配符
select last_name from s_emp where last_name like '_e%';
(查出员工姓名第二字符是‘e’的员工)
select table_name from user_Tables where table_name like 'S/_%' escape '/';
(查出数据库中以‘S_’开头的所有表,这里‘_’应用‘/’进行转义,如果不转义就会当做单配符使用)
注:escape关键字用来告诉系统以escape后面的字符做为转义字符。
注意下面两种语句:
select last_name,salary,dept_id,title from s_emp where dept_id=41 and title='Stock Clerk';
查出s_emp表中dept_id=41 且 title='Stock Clerk' 的所有员工
select last_name,salary,dept_id,title from s_emp where dept_id=41 or title='Stock Clerk';
查出s_emp表中dept_id=41 或 title='Stock Clerk' 的所有员工
注意:and 的优先级要比or高
select last_name,salary,dept_id from s_emp where salary >=1000 and dept_id =44 or dept_id=44;
(查出s_emp表中salary>=1000且dept_id=44的员工或dept_id=44的员工[优先级])
select last_name,salary,dept_id from s_emp where salary >=1000 and (dept_id =44 or dept_id=44);
(时间出s_emp表中dept_id=44或dept_id=42的salary>=1000的员工)
查询语句的总结:
SELECT[DISTINCT]{*,column[alias],...} FROM table [WHERE condition(s)] [ORDER BY{column,expralias}[ASC|DESC]];
注:大写部分为关键字,'[]'部分为可选值
函数部分:
function_name(column|expression,[arg1,arg2,...])
转化函数:
LOWER 转小写
UPPER 转大写
INITCAP 首字母大写
CONCAT 字符连接
SUBSTR 字符截取
LENGTH 取字符长度
NVL
select last_name from s_emp where lower(last_name) = 'biri';
(先把表中的数据转化为小写再和指定字段比较)
注:SQL语句不区分大小写,但字段区分大小写,这样转化可以避免大小写问题。
数字函数(number functions):
ROUND 四舍五入
TRUNC 截取
ROUND(45.923,2)--------->45.92
ROUND(45.923,0)--------->46
ROUND(45.923,-1)-------->50
TRUNC(45.923,2)--------->45.92
TRUNC(45.923)----------->45
TRUNC(45.923,-1)-------->40
日期相关函数:
日期格式:默认格式: DD-MON-RR
SYSDATE 可以返回系统当前时间(oracle用)
select sysdate from dual;
获取oracle系统当前时间
select sysdate+1 from dual;
获取明天日期
MONTHS_BETWEEN
ADD_MONTHS
NEXT_DAY
LAST_DAY
ROUND
TRUNC
`MONTHS_BETWEEN('01-SEP-95','11-JAN-94')---------------------->19.774194
`ADD_MONTHS('11-JAN-94',6)------------------------------------>'11-JUL-94'
`NEXT_DAY('01-SEP-95','FRIDAY')------------------------------->'08-SEP-95'
`LAST_DAY('01-SEP-95')---------------------------------------->'30-SEP-95'
`ROUND('25-MAY-95','MONTH')----------------------------------->'01-JAN-95'
`ROUND('25-MAY-95','YEAR')------------------------------------>'01-JAN-95'
`TRUNC('25-MAY-95','MONTH')----------------------------------->'01-MAY-95'
`TRUNC('25-MAY-95','YEAR')------------------------------------>'01-JAN-95'
类型间的互相转化:
TO_CHAR
TO_NUMBER
TO_DATE
HH24:MI:SS AM
select start_date, last_name from s_emp where to_char(start_date,'mm')='07';
(查出s_emp表中入职月份是07的员工,只要是to_char的用法)
改进:select start_date,last_name from s_emp where to_number(to_char(start_date,'mm'))=7;
ceil 向上取整
等值连接
非等值连接查询
外连接
左外:以左表为基准,即左表中的数据必须全部出现 (+)在右边
右外:以右表为基准,即右表中的数据必须全部出现 (+)在左边
【凡是出现"+"的一边,就有可能出现空值】
自连接
内连接
内连接举例:
select e.last_name, d.name from s_emp e inner join s_dept d on
e.dept_id = d.id where e.last_name = 'Biri';
交叉连接
关联查询语法:
SELECT table.column,table.column FROM table1,table2 WHERE table1.column1=table2.column2;
eg: select last_name,name from s_emp,s_dept where dept_id=s_dept.id and last_name='Biri';
(查出Biri所在部门的名称,这里关联到两个表[s_emp表]和[s_dept表],
关联条件是 s_emp.dept_id=s_dept.id)
注:这里关联到两个表时,字段表示和字段的顺序一定要弄清楚。
自连接:
select e.last_name 员工名, l.last_name 领导名 from s_emp e,s_emp l where
e.manager_id = l.id and e.last_name = 'Biri';
(查出s_emp表中员工名为Biri的员工的领导的名字)
注:领导也属于员工表的一员,所以本查询语句关联的是s_emp表本身,这里就要把它当作两个表
来使用,取两个别名来区分表,然后再对应表字段。
select e.last_name 员工名, l.last_name 领导名 from s_emp e,s_emp l where
e.manager_id = l.id;
(查出s_emp表中员工对应的领导名,这里有一个缺陷就是可能会少一条数据)
改进:select e.last_name 员工名, l.last_name 领导名 from s_emp e,s_emp l where
e.manager_id = l.id(+) ;
(对上面的语句进行了改进,即当总领导的领导为空时也打印出来,这里其实是左外连接)
标准的SQL语句应该为:
select e.last_name 员工名,l.last_name 领导名 from s_emp e left outer join s_emp l on
e.manager_id = l.id;
(这里使用了语句 "left outer join" 明确表示了左外连接 ,注意后面的where 变成了 on
相应的 右外连接就"right outer join")
GROUP BY语句的语法:
SELECT column,group_function FROM table [WHERE condition]
[GROUP BY group_by_expression] [HAVING group_condition]
[ORDER BY column];
GROUP BY 语句用来分组,HAVING 用来过滤。
GROUP BY 的组函数
AVG(DISTINCT|ALL|n)
COUNT(DISTINCT|ALL|expr|*)
MAX(DISTINCT|ALL|expr)
MIN(DISTINCT|ALL|expr)
SUM(DISTINCT|ALL|n)
select avg(salary) from s_emp;
(查出s_emp表中所有员工的平均工资,这里用到了AVG组函数)
select min(salary) , max(salary) , sum(salary)
from s_emp
group by dept_id;
(以dept_id为标准来查询s_emp表中所有员工的最小、最大和工资之和,此句显示的结果是
按dept_id的不同进行分组显示)
注意:观察下面两条语句
1、select dept_id min(salary) , max(salary) , sum(salary)
from s_emp
group by dept_id;
2、select last_name ,min(salary) from s_emp;
这两条语句中 第一条 可以执行 而第二条执行不了,原因是,第一条是组函数而第二条是单函数,
这是由SQL的语法规则而定的
select e.dept_id,min(e.salary),max(e.salary),sum(e.salary),d.name
from s_emp e,s_dept d
where e.dept_id = d.id
group by dept_id,d.name;
(以dept_id和s_dept表中的name为标准来查询s_emp表中所有员工的最小、最大、工资之和及部门名称)
select dept_id,count(*) "Number" from s_emp group by dept_id;
(按dept_id[部门ID]来统计s_emp表中每个部门有多少个员工[即统计相同的dept_id出现的次数])
注:dept_id可以和组函数count一起使用的原因是,这里是把dept_id做为了分组的条件
------求除41部门以外各个部门的最小,最高,工资之和,部门名
方法一:select e.dept_id,min(e.salary) ,max(e.salary),sum(e.salary),d.name
from s_emp e,s_dept d where e.dept_id=d.id and dept_id !=41
group by dept_id,d.name order by sum(salary) desc;
方法二:select e.dept_id,min(e.salary) ,max(e.salary),sum(e.salary),d.name
from s_emp e,s_dept d where e.dept_id=d.id
group by dept_id,d.name having dept_id!=41
order by sum(salary) desc;
(方法二用到关键字having ,having 必须和group by一起使用,having 的主要功能是过滤
即保留having后条件成立的内容)
注:having子句,是对分组之后的数据进行过滤
-----求增均工资高于1500的各个部门的最小,最高,工资之和,部门名
select e.dept_id,min(e.salary) ,max(e.salary),sum(e.salary),d.name
from s_emp e,s_dept d where e.dept_id=d.id
group by dept_id,d.name having avg(salary)>1500
order by avg(salary) desc;
子查询:
-------查出s_emp表中工资最低的员工
select last_name from s_emp where salary=(select min(salary) from s_emp);
(Oracle认可的一个子查询语句,可以简单的理解为查询语句的嵌套)
注:这里"="后的语句只能返回一个结果,如果返回多个结果就会出错
-------查出平均工资低于32部门的部门ID
select dept_id ,avg(salary) from s_emp group by dept_id
having avg(salary)<(select avg(salary) from s_emp where dept_id = 32);
注:这里用到了组函数、group by、having 子句 还有子查询
本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/myron_mao/archive/2009/11/25/4870335.aspx
分享到:
相关推荐
Unity + Shader Graph 2D + UV滚动动画效果 + 纹理贴图
MATLAB详解增程式电动汽车EREV建模过程:从亏电到满电的闭环控制策略与仿真结果分析,MATLAB增程式电动汽车EREV MATLAB建模过程详细讲解和MATLAB模型 亏电到满电的控制逻辑 以及整车模型的闭环控制 特别是针对各个模式下离合器,发动机,电机和电池充放电的控制,在pdf给出了详细的说明 仿真结果清晰明确,纯手工搭建没有任何水分 图示给出了十个nedc工况下的仿真结果 如果你看懂了,可以直接拿来加自己的策略发小lunwen应该是简简单单 ,MATLAB; EREV; 建模过程; 模型; 亏电到满电控制逻辑; 整车模型闭环控制; 离合器控制; 发动机控制; 电机控制; 电池充放电控制; NEDC工况仿真结果。,MATLAB模型:增程式电动汽车EREV的仿真与控制策略解析
免费可商用字体,包含思源字体,站酷字体
Matlab领域上传的视频是由对应的完整代码运行得来的,完整代码皆可运行,亲测可用,适合小白; 1、从视频里可见完整代码的内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
REVERSIBLE COLUMN NETWORKS,含有完整的代码和论文
1、文件内容:qt5-qtquickcontrols-examples-5.9.7-1.el7.rpm以及相关依赖 2、文件形式:tar.gz压缩包 3、安装指令: #Step1、解压 tar -zxvf /mnt/data/output/qt5-qtquickcontrols-examples-5.9.7-1.el7.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm 4、安装指导:私信博主,全程指导安装
1、文件内容:qpdf-devel-5.0.1-4.el7.rpm以及相关依赖 2、文件形式:tar.gz压缩包 3、安装指令: #Step1、解压 tar -zxvf /mnt/data/output/qpdf-devel-5.0.1-4.el7.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm 4、安装指导:私信博主,全程指导安装
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:配套答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。VUE框架构建前端交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:配套答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。学习使用jsp、html构建交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:范例参考答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。VUE框架构建前端交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
一、智慧档案馆的建设背景与必要性 在信息化时代背景下,档案信息化已成为提升档案管理效率、保障档案安全、促进档案资源开发利用的重要途径。随着《档案法》的修订实施,电子档案与传统档案具有了同等法律效力,这为智慧档案馆的建设提供了法律支撑。智慧档案馆通过运用现代信息技术,实现档案的数字化管理、智能化服务,不仅能够有效解决传统档案管理中存在的诸多难题,如档案查找困难、存储空间有限、档案安全难以保障等,还能够进一步提升档案管理的便捷性、高效性和安全性。同时,智慧档案馆的建设也是响应国家信息化发展战略、推动智慧城市建设的重要举措。 二、智慧档案馆的建设方案与特色亮点 智慧档案馆的建设方案涵盖了档案数字化、管理系统建设、信息安全保障等多个方面。其中,档案数字化是基础,通过扫描、录入等方式将传统纸质档案转化为数字档案,便于存储、检索和利用。管理系统建设则是核心,通过构建功能全面、性能强大、系统安全的电子档案系统,实现档案的自动化管理、智能化检索和多样化利用。此外,智慧档案馆还注重信息安全保障,通过采用数据加密、身份认证等技术手段,确保档案数据的安全性和完整性。在特色亮点方面,智慧档案馆不仅提供了全流程的法律保障支持,如电子数据验证服务、公证服务等,还通过运用人工智能、大数据等先进技术,实现了档案的智能分类、智能检索和智能推荐等功能,大大提升了档案管理的智能化水平。 三、智慧档案馆的运维保障与未来展望 智慧档案馆的运维保障是确保其长期稳定运行的关键。在运维保障方面,需要建立健全的管理制度、专业的运维团队和完善的应急预案等,以确保档案数据的安全性和系统的稳定性。同时,还需要定期对系统进行升级和维护,以适应不断变化的业务需求和技术发展。在未来展望方面,随着信息技术的不断进步和应用场景的不断拓展,智慧档案馆将朝着更加智能化、个性化、便捷化的方向发展。例如,通过运用虚拟现实、增强现实等技术手段,实现档案的沉浸式体验;通过构建档案知识图谱,实现档案的智能化分析和挖掘等。这些都将为智慧档案馆的发展注入新的活力和动力,推动档案管理事业迈向更高的水平。
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:范例参考毕业论文,万字长文,word文档,支持二次编辑。 4:范例参考答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。VUE框架构建前端交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:范例参考答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。学习使用jsp、html构建交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:范例参考答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。学习使用jsp、html构建交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
番茄叶子缺陷图像分类数据集【已标注,约3,000张数据】 数据经过预处理,可以直接作为分类网络输入使用 分类个数【7】:细菌斑点、早疫病、健康、Septoria_spot等【具体查看json文件】 划分了训练集、测试集。存放各自的同一类数据图片。如果想可视化数据集,可以运行资源中的show脚本。 图像分类、分割网络改进:https://blog.csdn.net/qq_44886601/category_12858320.html 计算机视觉完整项目:https://blog.csdn.net/qq_44886601/category_12816068.html
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:范例参考答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。学习使用jsp、html构建交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。
西门子S7-200 Smart编程软件编写的双级反渗透混床程序及加药系统,一键制水与清洗,无人值守模式,附带画面与电气原理图,供初学者学习研究,程序详细注释。,120吨双级反渗透程序+混床程序,以及阻垢剂、杀菌剂 加药。 一键制水,一键反洗,一键正洗,无人值守。 西门子S7-200 smart编程软件写的程序,程序+画面+电气原理图。 打包送出去,供初学者学习和研究。 程序有注释。 ,关键词:双级反渗透程序; 混床程序; 阻垢剂; 杀菌剂加药; 一键制水; 一键反洗; 一键正洗; 无人值守; 西门子S7-200 smart编程软件; 程序画面; 电气原理图; 初学者学习研究; 程序注释。,"双级反渗透与混床程序包:智能加药系统与注释丰富的西门子S7-200 Smart程序解析"
内容概要:DeepSeek-VL2是一款基于专家混合架构的大型视觉-语言模型,它在图像识别和自然语言处理方面显著改进,采用了动态拼贴编码策略以及多头潜在注意力机制。其优势在于高效的训练和推理性能,尤其擅长高分辨率图片和复杂视觉-文本任务的处理,涵盖光学字符识别、表格解析、图文理解和视觉问答等多个应用场景。文中提到的三种不同规模的变体,参数量分别为1.0亿、2.8亿和4.5亿,均展示了强大的竞争力。研究团队还在GitHub发布了开源代码和预训练模型以供公众下载和进一步研究。此外,文中介绍了模型使用的多种高质量数据集及细致的数据增强方法,并讨论了一些未来的发展方向。 适合人群:计算机视觉和自然语言处理领域的研究人员,AI系统开发从业者,机器学习爱好者。 使用场景及目标:1.用于高分辨率图像处理;2.提高视觉与文本融合任务的效果;3.支持跨领域(如教育、医学等)的具体应用。 其他说明:本文强调的技术创新点包括但不限于动态分割技术,该技术解决了图像大小变化的问题;还有多层注意力压缩机制提高了推断效率等问题。同时论文指出了当前版本存在的局限性比如对话上下文窗口小、模糊物体识别困难等问题并展望了后续优化路径。
入侵检测常用数据集完整版
资源说明: 1:csdn平台资源详情页的文档预览若发现'异常',属平台多文档切片混合解析和叠加展示风格,请放心使用。 2:32页图文详解文档(从零开始项目全套环境工具安装搭建调试运行部署,保姆级图文详解),旨在为更多的人甚至零基础的人也能运行、使用和学习。 3:配套毕业论文,万字长文,word文档,支持二次编辑。 4:范例参考答辩ppt,pptx格式,支持二次编辑。 5:工具环境、ppt参考模板、相关电子教程、视频教学资源分享。 6:资源项目源码均已通过严格测试验证,保证能够正常运行,本项目仅用作交流学习参考,请切勿用于商业用途。 7:项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通。 内容概要: 本系统基于B/S网络结构,在IDEA中开发。服务端用Java并借ssm框架(Spring+SpringMVC+MyBatis)搭建后台。用MySQL存储数据,可靠性强。 能学到什么: 使用ssm搭建后台。学习使用jsp、html构建交互界面、前后端数据交互、MySQL管理数据、从零开始环境搭建、调试、运行、打包、部署流程。