MS-SQL Server
在SQL SER2K 中这样的功能怎么在存储过程中实现？是不是要用到记录集啊？
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN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 关注 + 加入社区表AAA
字段 A、B、C、D、E
由于刚刚接触SQL SER2K的存储过程，对一些基本的概念还不清楚，希望各位高手给指点一下：
原来这些功能我是在脚本（ASP或PHP）里实现的，但由于数据量越来越大，脚本超时，我改用
存储过程来实现。现在有一些基本的问题：
1、我知道如果，我想把从数据库里选出的一条记录的一个字段的值付给一个变量我可以这么写
set @var = select a from AAA where a='123456'
如果 我的SQL语句是这样的 select a,b,c from AAA where b='999' and a='123456'
此时，我想把字段c的值付给 @var_c ,不知道这条语句该怎么写？（此时，得到的是一条记录）
2、如果我的SQL语句得到不只1条记录，而是一个集合，比如是10条记录，此时，我又该怎么得到
每一条记录中的某一字段的值呢？
比如：select * from AAA where c='147' and e='258' 得到 10条记录
我想输出其中的某个字段
while(条件){
print '字段B=' @var_b
}
--------------------------------------------
结果：
字段B= 1
字段B= 2
字段B= 3
.
.
.
字段B= 9
字段B= 10
---------------------------------------------
不知道这样的功能能不能在SQL SER2K的存储过程里实现？如果能，怎么实现，请指教！谢谢！
相关推荐
Relational Deep Reinforcement Learning（DeepMind提出关系性深度强化学习：在星际争霸2任务中获得最优水平）
2018.6.8，DeepMind提出关系性深度强化学习：在星际争霸2任务中获得最优水平，在本文中，我们介绍了一种深度强化学习方法，它可以通过结构化感知和关系推理提高常规方法的效率、泛化能力和可解释性。
DeepMind 关系型深度强化学习 Relational Deep Reinforcement Learning
Relational Deep Reinforcement Learning--We introduce an approach for deep reinforcement learning (RL) that improves upon the efficiency, generalization capacity, and interpretability of conventional approaches through structured perception and relational reasoning. It uses self-attention to iteratively reason about the relations between entities in a scene and to guide a model-free policy. Our results show that in a novel navigation and planning task called Box-World, our agent finds interpretable solutions that improve upon baselines in terms of sample complexity, ability to generalize to more complex scenes than experienced during training, and overall performance. In the StarCraft II Learning Environment, our agent achieves state-of-the-art performance on six mini-games – surpassing human grandmaster performance on four. By considering architectural inductive biases, our work opens new directions for overcoming important, but stubborn, challenges in deep RL.
吴恩达老师deep learning.ai课程中提到的所有论文
吴恩达老师deep learning.ai课程中提到的所有论文。。。。
图深度学习(GraphDL)，下一个人工智能算法热点
【导读】最近，DeepMind、Google大脑、MIT等各大研究机构相继发表了一系列的关于图深度学习的论文，包括关系性RNN、关系性深度强化学习、图卷积神经网络等，这是否预示这是下一个AI算法热点。专知整理了最近图深度学习相关的热点论文，一文看晓。1.Relationalinductivebiases,deeplearning,andgraphnetworks（图网络深度学习综述文章）首先就是这篇由DeepMind、Google大脑、MIT、爱丁堡大学27个作者发表的37页关于关系归纳偏置、典型深度学习构件和图网络的综述文章，探讨了如何在深度学习架构中使用关系归纳偏置，有助于学习实体、关系及
计算机专业外语词汇笔记------(1).pdf
计算机专业外语词汇笔记------(1).pdf
