DECLARE @VAT DECIMAL(12,4)
SET @VAT=100
;WITH CTE
AS
(SELECT *,ROUND((PRICE/SUM(PRICE) OVER (PARTITION BY GETDATE()))*@VAT,2) AS APPORTION,
MAX(ID) OVER (PARTITION BY GETDATE()) AS MAX_ID FROM #T)
SELECT *,
CASE WHEN ID<MAX_ID THEN APPORTION ELSE @VAT-SUBTOTAL END
FROM CTE A
CROSS APPLY (SELECT SUM(APPORTION) AS SUBTOTAL FROM CTE WHERE ID<A.ID) AS B
create table #t
(id int,公司货物名称 varchar(30),采购价格 decimal(18,1),收货数量 int,单位 varchar(10),采购总额 decimal(18,1),汇率 int,货币名称 varchar(10),采购单号 varchar(20),增值税 decimal(18,2))
insert into #t
select 1,'后勤部门物资',16.6,4,'EACH',66.4,1,'人名币','C-2019-07-01-100001',3213 union all
select 2,'(194)小牛臀肉',75,300,'KG',22500,1,'人名币','C-2019-07-13-100004',3213 union all
select 3,'(国产) 平湖老鸡',16.6,220,'KG',3652,1,'人名币','C-2019-07-16-100006',3213
-- 分摊增值税
;with t as
(select 采购总额,
增值税,
bl=采购总额/(select sum(采购总额) from #t),
rn=row_number() over(order by id)
from #t)
update t
set t.增值税=case when t.rn=(select max(rn) from t)
then t.增值税-(select sum(u.bl*u.增值税)
from t u
where u.rn<t.rn)
else t.bl*t.增值税 end
from t
-- 结果
select * from #t
/*
id 公司货物名称 采购价格 收货数量 单位 采购总额 汇率 货币名称 采购单号 增值税
----------- ------------------------------ --------------------------------------- ----------- ---------- --------------------------------------- ----------- ---------- -------------------- ---------------------------------------
1 后勤部门物资 16.6 4 EACH 66.4 1 人名币 C-2019-07-01-100001 8.14
2 (194)小牛臀肉 75.0 300 KG 22500.0 1 人名币 C-2019-07-13-100004 2757.32
3 (国产) 平湖老鸡 16.6 220 KG 3652.0 1 人名币 C-2019-07-16-100006 447.54
(3 行受影响)
*/
-- 验算
select 总增值税=sum(增值税) from #t
/*
总增值税
---------------------------------------
3213.00
(1 行受影响)
*/
上一篇文章介绍了使用pytorch的Dataset和Dataloader处理图片数据，现在就用处理好的数据对搭建的CNN进行训练以及测试
碰巧最近入门了一门非常的深度学习框架：pytorch（如果你对pytorch不甚了解，请点击这里），所以今天我和大家一起用pytorch实现一个图像识别领域的入门项目：猫狗图像识别。 深度学习的基础就是数据，咱们先从数据...
碰巧最近入门了一门非常的深度学习框架：pytorch（如果你对pytorch不甚了解，请点击这里），所以今天我和大家一起用pytorch实现一个图像识别领域的入门项目：猫狗图像识别。 深度学习的基础就是数据，咱们先从数据谈...
基于pytorch实现简单的猫狗分类。采用了全连接网络；可以用来了解数据加载过程，网络搭建、训练过程
今天咱们来聊聊用Pytorch的CNN完成kaggle猫狗大战。 话不多说，进入正题。 首先，图片数据来源kaggle，在网站上搜索Dogs vs. Cats很多相关图片集，找一个下载下来。 我这里采用的数据集是： Train：4000张cat + ...
使用PyTorch实现CNN 文章目录使用PyTorch实现CNN1. 导入所需包：2. 获取数据集2.1 获取数据集，并对数据集进行预处理2.2 获取迭代数据：`data.DataLoader()`3. 定义网络结构4. 定义损失和优化器`model.parmaters()`...
原作者博客：「Pytorch」CNN实现手写汉字识别（数据集制作，网络搭建，训练验证测试全部代码） 在这先感谢大佬的无私分享，给我们这些小白提供了巨大的帮助！ 首先放上一些对下文理解有帮助的函数介绍，有像...
CNN入门+猫狗大战+PyTorch实现写在前面猫狗大战介绍CNN介绍卷积(convolution)池化(pooling)全连接(fully connected)一个简单的CNN网络设计PyTorch实现 写在前面 作为一个深度学习新手，参考了许多资料，进行了一些...
第一次做猫狗识别的任务，遇到点问题记录一下： 主要是数据集的问题： 下载完猫狗数据集后，打开有两个文件夹分别是train和test。这两个文件夹中并没有子文件夹。直接将其导入 train_dataset = torchvision....
## """CNN手写字体识别""" import torch import torch.nn as nn from torch.autograd import Variable import torch.utils.data as Data import torchvision #其中包括一些数据库（图片...） import matplotlib....
MNIST数据集是学习各种神经网络的开胃菜。...上次我们采用的是MLP网络，这次使用CNN网络。 1. 准备工作 1.1 导包和设置随机种子 import torchvision import torchvision.datasets as datase...
第一次做猫狗识别的任务，遇到点问题记录一下： 主要是数据集的问题： 下载完猫狗数据集后，打开有两个文件夹分别是train和test。这两个文件夹中并没有子文件夹。直接将其导入 train_dataset = torchvision....
pytorch的官方文档写的也太简陋了吧…害我看了这么久… NLLLoss 在图片单标签分类时，输入m张图片，输出一个m*N的Tensor，其中N是分类个数。比如输入3张图片，分三类，最后的输出是一个3*3的Tensor，举个例子： ...
猫狗识别是学习CNN中最有趣的一个应用，本次我在Kaggle上的“Dogs vs. Cats Redux”进行了一次尝试。考虑到训练速度和实验的简易性，我使用了比较简单的AlexNet，并且还用了对应ImageNet的预训练模型...
版权声明：本文为博主原创文章，未经博主允许不得转载。 1.数据获取 本次学习的数据为，kaggle 中的 Dogs vs Cats 数据集 如果不清楚，kaggle，可以看一下，我前面写的这篇文章：...
之前尝试了直接使用全链接直接进行数字识别，效果虽然也说的过去，但是一旦使用我自己写的数字，预测的效果瞬间就不太行了。所以本次又尝试了一下使用卷积神经网络进行数字识别，需要注意的是本博客中的网络结构是...
Pytorch+CNN 识别自己手写的数字 看了网上很多的手写数字识别的例子，发现都没有一个可以识别自己手写的例子，正好现在需要写一个例子，于是自己研究了一下，写出了 一个能识别自己手写的例子供大家参考。转载请注明...
导入依赖包 import torch import numpy as np from torch.utils.data import DataLoader from torchvision.datasets import mnist from torch import nn from torch.autograd import Variable ...
PyTorch、Caffe绘制训练过程的accuracy和loss曲线 衡量模型的好坏其实最重要的看的就是准确率与损失率，所以将其进行可视化是一个非常重要的一步。这样就可以直观明了的看出模型训练过程中准确率以及损失率的变化。...
数据集： Kaggle网站猫狗分类数据集，训练集包括12500张猫和12500张狗，测试集为12500张猫狗无标签图片，我们需要把训练集的猫狗照片各取出2500张作为验证集。 开始部分代码：导入一些必要的包，os包集成了一些对...
文章目录pytorch使用CNN总结如何定义数据定义常量定义变量如何定义模型快速搭建个性化搭建如何定义激活函数如何定义优化算法如何定义loss函数如何训练模型如何保存与读取模型保存读取如何进行批训练如何在单GPU上...
import torch from torch import nn from torch.nn import functional as F from torch.utils.data import DataLoader from torchvision import datasets from torchvision import transforms from torch import nn,...
文章目录卷积卷积层GPUCNN(卷积神经网络)一个简单的CNN准备数据与训练模型ResNet改变学习率SEVgg 卷积 下面的conv函数实现了对二维单通道图像的卷积.考虑输入的卷积核kernel的长宽相同,padding为对图像的四个边缘补...
转载请注明出处：利用Pytorch进行CNN详细剖析 （乐投网 - 大数据，人工智能第一干货网） 本文缘起于一次CNN作业中的一道题，这道题涉及到了基本的CNN网络搭建，在MNIST数据集上的分类结果，Batch Normalization...
之前毕业设计用TensorFlow做了手写汉字识别，使用的中科院的数据集。 现在用Pytorch复现一下。 下载链接在文末
最近看了下 PyTorch 的损失函数文档，整理了下自己的理解，重新格式化了公式如下，以便以后查阅。 值得注意的是，很多的 loss 函数都有 size_average 和 reduce 两个布尔类型的参数，需要解释一下。因为一般损失...
**MNIST数据集介绍：**MNIST数据集在torvision.datasets里面，可以自行加载，其中训练集有6W张，测试集有1W，都为灰度图，即channel为1，图片的大小都是28x28，下面图片就是一部分数据。 导入工具包 import ...
PyTorch: CNN实战MNIST手写数字识别cnn导包加载数据构造CNN训练并计算损失结果 cnn 卷积神经网络CNN的结构一般包含这几个层： 输入层：用于数据的输入 卷积层：使用卷积核进行特征提取和特征映射 激励层：由于...
承接上一篇：PyTorch 入门实战（四）——利用Torch.nn构建卷积神经网络 PyTorch入门实战 1.博客：PyTorch 入门实战（一）——Tensor 2.博客：PyTorch 入门实战（二）——Variable 3.博客：PyTorch 入门实战（三...
pytorch 迁移学习 猫狗大战 kaggle
