怎么写个存储过程对应B表更新A表.

xp999 2008-02-29 09:21:53
B表保存的是卡的块数据,,,比如是
startcard : 100001
endcard : 100100
共99张卡

而A表保存的是卡号:
cardnumber 已销售
100001 0
100002 0
100003 0
...
这些,

如果B表保存了的卡段就更新A表的已销售(表示卡已出)..怎么写这个存储过程?因为B表保存的记录不止一条
...全文
138 12 打赏 收藏 转发到动态 举报
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
dawugui 2008-02-29
  • 打赏
  • 举报
回复
--假设你需要的是C表的proxyname中的'一级代理商'
update A set 一级代理商ID = B.proxyID
from A,B,C where charindex('一级代理商',proxyname) > 0 and b.proxyID = c.proxyID and a.CARDNUMBER >= b.startcard and a.CARDNUMBER <= b.endcard

--假设你需要的是C表的faterid = 0
update A set 一级代理商ID = B.proxyID
from A,B,C where c.faterid = 0 and b.proxyID = c.proxyID and a.CARDNUMBER >= b.startcard and a.CARDNUMBER <= b.endcard
xp999 2008-02-29
  • 打赏
  • 举报
回复
记录已经存在....所以不需要自动触发器....
xp999 2008-02-29
  • 打赏
  • 举报
回复
A表结构 卡表
ID CARDNUMBER(卡号) 一级代理商ID 二级代理商ID
1 100001
2 100002
3 100003
4 100004
5 100005

....
B表提卡记录表
stockID startcard(开始段) endcard(结束段) cardtotal(总数) proxyID(提货的代理商,一级)
1 100001 100100 99 1
2 100101 100200 99 1
3 100401 101000 599 2
4 101001 101999 999 2
...
C表,代理商表

ProxyID ProxyName faterid
1 一级代理商1 0
2 一级代理商2 0
3 二级代理1 1
4 二级代理 1


我现在是想由B表的提卡记录,,,将A表的一级代理商ID更新为B表的.
请问怎么写存储过程???因为B表的数据很多条,手动更新很烦
山之魂2 2008-02-29
  • 打赏
  • 举报
回复
对于楼主的要求,我觉得他需要的是一个触发器,而不是过程,因为过程不能自动执行.
应该在B表上建触发器,使A表跟着更新
dawugui 2008-02-29
  • 打赏
  • 举报
回复
那你得把具体的情况写出来.
xp999 2008-02-29
  • 打赏
  • 举报
回复
一楼的语句可不可以再加几个WHERE条件的?
因为我B表的数据不是一个代理商的(分一级代理,二级代理等,都是保存在B表).?
dawugui 2008-02-29
  • 打赏
  • 举报
回复
说明一下:
如果只是这个要求,直接用1的语句就行了,不需要存储过程.

如果确实要用存储过程,如2楼取出最大,最小值后调用存储过程即可.
也可如下:

CREATE PROCEDURE my_proc 
AS
begin
update A
set 已销售 = 0
from A,
(select min(cardnumber) min_cardnumber,max(cardnumber) max_cardnumber from B) T
where A.cardnumber >= T.min_cardnumber and A.cardnumber <= T.max_cardnumber
end
GO

exec my_proc
$扫地僧$ 2008-02-29
  • 打赏
  • 举报
回复
create table A
(
startcard varchar(10),
endcard varchar(10)
)

create table B
(
cardnumber varchar(10),
已销售 bit
)

insert A select '100001','100100'

insert B select '100001',1
insert B select '100002',1
insert B select '100003',1


update B set 已销售=1
from B where cardnumber between (select min(startcard) from A ) and (select max(endcard) from A )

select * from B
dawugui 2008-02-29
  • 打赏
  • 举报
回复
--以下是存储过程的写法.

CREATE PROCEDURE my_proc
@startcard varchar(20),
@endcard varchar(20)
AS
begin
update A
set 已销售 = 0
where A.cardnumber >= @startcard and A.cardnumber <= @endcard
end
GO

exec my_proc '100001','100100'
dawugui 2008-02-29
  • 打赏
  • 举报
回复
update A
set 已销售 = 0
from A,
(select min(cardnumber) min_cardnumber,max(cardnumber) max_cardnumber from B) T
where A.cardnumber >= T.min_cardnumber and A.cardnumber <= T.max_cardnumber
xp999 2008-02-29
  • 打赏
  • 举报
回复
谢谢乌龟,,,已经解决
xp999 2008-02-29
  • 打赏
  • 举报
回复
对charindex的用法不是很明白..-_-!
charindex('一级代理商',proxyname)的一级代理商是那个表的字段?
卷积神经网络(CNN)是针对多维网格数据(如图像、视频)设计的深度学习架构,其结构灵感来源于生物视觉系统对信息的分层处理机制。该模型通过局部连接、参数共享、层级特征提取等策略,有效捕获数据中的空间模式。以下从结构特性、工作机制及应用维度展开说明: **1. 局部连接与卷积运算** 卷积层利用可学习的多维滤波器对输入进行扫描,每个滤波器仅作用于输入的一个有限邻域(称为感受野),通过线性加权与非线性变换提取局部特征。这种设计使网络能够聚焦于相邻像素间的关联性,从而识别如边缘走向、色彩渐变等基础视觉模式。 **2. 参数共享机制** 同一卷积核在输入数据的整个空间范围内保持参数不变,大幅降低模型复杂度。这种设计赋予模型对平移变换的适应性:无论目标特征出现在图像的任何区域,均可由相同核函数检测,体现了特征位置无关性的建模思想。 **3. 特征降维与空间鲁棒性** 池化层通过对局部区域进行聚合运算(如取最大值或均值)实现特征降维,在保留显著特征的同时提升模型对微小形变的容忍度。这种操作既减少了计算负荷,又增强了特征的几何不变性。 **4. 层级特征抽象体系** 深度CNN通过堆叠多个卷积-池化层构建特征提取金字塔。浅层网络捕获点线面等基础模式,中层网络组合形成纹理部件,深层网络则合成具有语义意义的对象轮廓。这种逐级递进的特征达机制实现了从像素级信息到概念化示的自动演进。 **5. 非线性扩展与泛化控制** 通过激活函数(如ReLU及其变体)引入非线性变换,使网络能够拟合复杂决策曲面。为防止过拟合,常采用权重归一化、随机神经元失活等技术约束模型容量,提升在未知数据上的现稳定性。 **6. 典型应用场景** - 视觉内容分类:对图像中的主体进行类别判定 - 实例定位与识别:在复杂场景中标定特定目标的边界框及类别 - 像素级语义解析:对图像每个像素点进行语义标注 - 生物特征认证:基于面部特征的个体身份鉴别 - 医学图像判读:辅助病灶定位与病理分析 - 结构化文本处理:与循环神经网络结合处理序列标注任务 **7. 技术演进脉络** 早期理论雏形形成于1980年代,随着并行计算设备的发展与大规模标注数据的出现,先后涌现出LeNet、AlexNet、VGG、ResNet等里程碑式架构。现代研究聚焦于注意力分配、跨层连接、卷积分解等方向,持续推动模型性能边界。 卷积神经网络通过其特有的空间特征提取范式,建立了从原始信号到高级语义达的映射通路,已成为处理几何结构数据的标准框架,在工业界与学术界均展现出重要价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
屋顶面板实例分割数据集 一、数据集基础信息 • 数据集名称:屋顶面板实例分割数据集 • 图片数量: 训练集:1559张图片 验证集:152张图片 测试集:95张图片 总计:1806张图片 • 训练集:1559张图片 • 验证集:152张图片 • 测试集:95张图片 • 总计:1806张图片 • 分类类别: panel(面板):屋顶上的面板结构,如太阳能板或其他安装组件。 roof(屋顶):建筑屋顶区域,用于定位和分割。 • panel(面板):屋顶上的面板结构,如太阳能板或其他安装组件。 • roof(屋顶):建筑屋顶区域,用于定位和分割。 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片文件,来源于航拍或建筑图像,涵盖多种场景。 二、数据集适用场景 • 建筑与施工检查:用于自动检测和分割屋顶上的面板,辅助建筑质量评估、维护和安装规划。 • 可再生能源管理:在太阳能发电系统中,识别屋顶太阳能板的位置和轮廓,优化能源部署和监控。 • 航拍图像分析:支持从空中图像中提取建筑屋顶信息,应用于城市规划、房地产评估和基础设施管理。 • 计算机视觉研究:为实例分割算法提供基准数据,推动AI在建筑和能源领域的创新应用。 三、数据集优势 • 精准实例分割标注:每个面板和屋顶实例均通过多边形标注精确定义轮廓,确保分割边界准确,支持细粒度分析。 • 类别聚焦与实用性:专注于屋顶和面板两个关键类别,数据针对性强,直接适用于建筑和能源行业的实际需求。 • 数据多样性与泛化性:涵盖不同环境下的屋顶和面板图像,增强模型在多变场景中的适应能力。 • 任务适配便捷:标注兼容主流深度学习框架(如YOLO),可快速集成到实例分割模型训练流程。 • 行业价值突出:助力自动化检测系统开发,提升建筑检查、能源管理和城市分析的效率与准确性。

34,872

社区成员

发帖
与我相关
我的任务
社区描述
MS-SQL Server相关内容讨论专区
社区管理员
  • 基础类社区
  • 二月十六
  • 卖水果的net
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧