标签：查询 进阶 t1 字段名 PyTorch 數據庫 自然语言 where select
download:PyTorch入门到进阶 实战计算机视觉与自然语言处理项目
PyTorch是目前深度学习的主流框架之一，它有着成熟的生态、大量开源的源码以及最新的模型，无论学术研究还是工程落地，PyTorch都是主流选择。同时，PyTorch比其他深度学习框架更易学，也是新手入门的好选择。本课程将算法、模型和基础理论知识进行有机结合，结合多个不同的CV与NLP实战项目，帮助大家掌握PyTorch框架的基础知识和使用方法，并学会利用PyTorch框架解决实际问题。通过本课程，可以较平稳地快速入门深度学习领域，初步掌握解决深度学习基础问题的关键性技能。
适合人群
想转行到深度学习方向的工程师；
学习了理论但欠缺实践的深度学习starter；
有志于、感兴趣深度学习的爱好者们；
想快速做实验完成研究任务毕设任务的同学们；
技术储备要求
机器学习相关基本概念；
Python3编程语言；
Ubuntu基本使用知识；
SQL注入
SQL注入是效勞器端未嚴厲校驗客戶端發送的數據，而招致效勞端SQL语句被歹意修正並勝利執行的行爲。
實質:把用戶輸入的數據當作代码執行。任何和數據庫產生交互的中央便有可能存在注入.
SQL注入類型
數據傳輸: GET POST COOKIE
數據類型: 整型 字符型
注入形式: 結合查询 報錯 佈爾盲注 時間盲注 推查询
SQL注入的普通步骤
判別能否有注入
可控參數的改動能否影響頁面的結果。
輸入的SQL语句能否能報錯.---->經過數據庫報錯,看到數據庫的语句痕跡。
輸入的SQL语句能否不報錯.---->语句可以勝利閉合。
判別注入類型
语句能否可以被歹意修正
能否可以執行
獲取我們想要的數據
SQL注入的根底學問
數據庫構造
數據庫---->表---->字段---->值
SQL5.0版本之後MySQL默許在數據庫中寄存一個“information_schema”的數據庫，在該庫中有三個重要的表名schemata,tables,columns。
schemata表存儲該用戶創立的一切數據庫的庫名，字段名爲schema_name。
tables表存儲該用戶創立的一切數據庫的庫名和表名，數據庫庫名和表名字段分別爲table_schema,table_name。
columns表存儲一切的庫名，表名，字段名，它們的字段名分別爲table_schema,table_name,column_name。
查询语句
select 要查询的字段名 from 庫名.表名
select 要查询的字段名 from 庫名.表名 where 已知條件的字段名 = '已知條件的值'
select 要查询的字段名 from 庫名.表名 where 已知的條件字段名1 = '已知條件的值1' and 已知條件2的字段名 = '已知條件2的值'
limit用法
limit m,n
m表示記载開端的位置，從0開端表示第一條記载；n指取n條記载。
重要的函數
database() 當前網站運用的數據庫。
version() 當前的MySQL版本。
user() 當前MySQL的用戶。
@@datadir 數據庫途径。
@@version_compile_os 操作係統版本
concat(str1,str2,...) 沒有分隔符地衔接字符串
concat_ws(separator,str1,str2,...) 含有分隔符地衔接字符串
group_concat(str1,str2,...) 衔接一個組的一切字符串，並以逗號分隔每一條數據
注释符
常見的注释表達方式爲：# --空格 /**/
在url中表示爲： %23 --+
對條件字段做函數操作走不了索引。
select * from t1 where date© =‘2019-05-21’;
優化：改成範圍查询
select * from t1 where c>=‘2019-05-21 00:00:00’ and c<=‘2019-05-21 23:59:59’;
隱式轉換
操作符與不同類型的操作對象一同運用時，就會發作類型轉換以使操作兼容。
select user_name,tele_phone from user_info where tele_phone =11111111111; / tele_phone varchar /
實践會做函數操作：
select user_name,tele_phone from user_info where cast(tele_phone as singed int) =11111111111;
優化：類型統一
select user_name,tele_phone from user_info where tele_phone =‘11111111111’;
含糊查询
通配符在前面
select * from t1 where a like ‘%1111%’;
優化:含糊查询必需包含條件字段前面的值
select * from t1 where a like ‘1111%’;
範圍查询
範圍查询數據量太多，需求回表，因而不走索引。
select * from t1 where b>=1 and b <=2000;
優化：降低單次查询範圍，分屢次查询。（實践可能速度沒得快太多,倡議走索引）
select from t1 where b>=1 and b <=1000;
show profiles;
±---------±-----------±-----------------------------------------+
| Query_ID | Duration | Query |
±---------±-----------±-----------------------------------------+
| 1 | 0.00534775 | select from t1 where b>=1 and b <=1000 |
| 2 | 0.00605625 | select * from t1 where b>=1 and b <=2000 |
±---------±-----------±-----------------------------------------+
2 rows in set, 1 warning (0.00 sec)
計算操作
即便是简單的計算
explain select * from t1 where b-1 =1000;
優化：將計算操作放在等號後面
explain select * from t1 where b =1000 + 1;
标签：查询,进阶,t1,字段名,PyTorch,數據庫,自然语言,where,select 来源： https://blog.51cto.com/15134649/2672543
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。