1. Sql Server冷知识
(1) 删除表内容的方法
truncate table 表名 (清除表记录,这个快)
(2) 列出所有数据库
sp_redatabases
(3) 存储过程的参数命名
参数一定要以@开头,以下三个命令皆有效。
alter procedure pro_select_customers @sid int as select * from customers where id=@sid alter procedure pro_select_customers @id int as select * from customers where id=@id alter procedure pro_select_customers @@id int as select * from customers where id=@@id
--参数命名无效-- alter procedure pro_select_customers sid int as select * from customers where id=sid
(4) 更改表名
sp_rename 't_Entity','t_1'
(5) 查看表字段
select * from sys.syscolumns where id=OBJECT_ID('detail')
(6) 查看存储过程语句
sp_helptext 'pro_select_customers'
(7) 更换表名
alter table web
rename to web2
(8) 创建事务
begin transaction
select * from t_1
commit
(9) 创建函数
第一个返回用returns,第二个return。
create function f_plus (@@num1 int,@@num2 int) returns int as begin return @@num1+@@num2; end
--dbo.一定要存在--
select dbo.f_plus (2,44) as num
(10) 加上自动增长列
select ROW_NUMBER() over(order by oid)as nums,* from orders
(11) 游标的使用
sql server换行相当于;
--声明游标-- declare cur_test cursor for select * from dbo.Employees declare @@num int set @@num=0 --打开游标-- open cur_test fetch next from cur_test while @@FETCH_STATUS=0 begin --对变量赋值用set-- set @@num=@@num+1 print @@num fetch next from cur_test end --关闭游标-- close cur_test --释放游标-- deallocate cur_test
(12) 更改数据库名称
sp_renamedb ‘旧数据库名‘,’新数据库名‘
(13) 没有fetch offset的情况下如何分页
先把表排个序号,然后根据序号去查询分页
select * from( select ROW_NUMBER() over(order by score) as num,* from dbo.StudentScores ) as tb where num between 11 and 20
支持offset的情况下
--每页十条记录,查询第一页的10条--
select * from tableName offset 0 fetch next 10 rows only;
--查询第二页的10条
select * from tableName offset 10 fetch next 10 rows only;
特征金字塔多尺度融合特征金字塔的网络原理 这里是基于resnet网络与Fpn做的结合,主要把resnet中的特征层利用FPN的思想一起结合,实现resnet_fpn。增强目标检测backone的有效性。代码实现如下:
import torch
from torch import Tensor
from c…
(css)鼠标移入或点击改变背景图片 html
<div class"mapTip"><divv-for"(item, index) of legendList":key"index"class"mapTipOne":class"{ active: change index }"click"legendHandle(item, index)"…
模型的可视化分析对于理解模型的行为有很好的辅助作用,能够让人们更容易理解神经网络的决策过程。 Grad-CAM(Gradient-weighted Class Activation Mapping)是一种用于解释卷积神经网络(CNN)决策过程的方法,…