更新源数据表,如何使View自动更新?

boodweb 2003-11-11 05:23:08

两个数据表data,type
View在程序中用Create SQL View创建,是data inner join type,名称为select_view
我将Grid.recordsource设为select_view,以后向data中append数据后,即使用grid.refresh也不能显示新加的数据行
请大虾指点...

...全文

150 4 打赏收藏举报

写回复

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

boodweb 2003-11-26

打赏
举报

回复

问题解决了，错误原因不明...好象和表或者数据库没有关闭有关
仍然感谢

magnetmoon 2003-11-12

打赏
举报

回复

大虾的意思是直接修改select_view?
是

但这样是否可以使原来的data表也改变呢?好象不行吧?
可以

上次我在view中删数据,结果也没有反映到data中去
要用tableupdate()才行

boodweb 2003-11-11

打赏
举报

回复

大虾的意思是直接修改select_view?
但这样是否可以使原来的data表也改变呢?好象不行吧?
上次我在view中删数据,结果也没有反映到data中去

magnetmoon 2003-11-11

打赏
举报

回复

将Grid.recordsource设为select_view
select (select_view)
append blank
grid.refresh

or

select (select_view)
requery()

一、什么是视图视图是从一个或几个基本表中根据用户的需要而做成的虚表。同真实的表一样，视图包含一系列带有名称的列和行数据。视图只存储定义，而不存储实际的数据，视图在打开的瞬间通过定义从基表中搜集数据，并展现给用户。视图与查询都是由sql语句组成，但是它们也有明显的区别： 1.存储上的区别，视图存储为数据库设计的一部分，而查询不是； 2.更新的限制不同； 3.通过sql语句可以对一个

数据集可视化效果见下方。【数据集概况】 · 检测类别（中文）：[火(fire)] · 训练集：2565 张 · 验证集：244 张 · 测试集：122 张 · 总计：2931 张该数据集针对夜间道路环境中的火情检测需求，精准捕捉火源特征，为道路安全监控系统提供可靠的数据支持，具有显著的安全预警价值和实际应用意义。该数据集的训练集、验证集和测试集分别包含2565张、244张和122张图像，分布比例合理，能够有效支持模型的训练、验证和测试过程，确保模型性能的稳定性和可靠性。该数据集的标注工作严谨细致，火目标的边界框标注精准，与实际火源位置高度吻合，标注规范符合行业标准，为模型... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 58 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.9537** mAP50-95 | 0.6455 Precision | 0.9156 Recall | 0.9168 train/box_loss | 1.0237 train/cls_loss | 0.5109 val/box_loss | 1.1818 val/cls_loss | 0.5480 【训练过程分析】 58 轮训练后 mAP50 达到 0.9537，模型收敛良好。Loss 曲线前段快速下降，后段趋于平稳，val_loss 无反弹，没有明显过拟合。但 mAP50-95 为 0.6455，和 mAP50 差距 0.31，定位精度仍有优化空间。【模型性能评估】 Precision 0.9156、Recall 0.9168，精召双高，模型对火的检测能力强。 ...

科易网基于40亿+科创知识图谱数据库，深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，研究科技创新领域的AI+数智化解决方案，推动科技创新与产业创新智能化发展。

如何构建一个面向高校科研院所的科技成果转化服务生态体系，推动更多优秀成果落地转化？

可参考下方数据集可视化效果。【数据集概况】 · 检测类别（中文）：[底盘铭牌(Chassis)] · 训练集：3258 张 · 验证集：136 张 · 测试集：0 张 · 总计：3394 张该数据集聚焦于工业制造与车辆检测场景中对汽车底盘铭牌的精准识别，涵盖多种品牌车辆（如通用、现代、日产、马自达等）在不同光照和污损条件下的铭牌图像。通过真实生产环境中的多样化样本采集，数据集有效支持了车辆身份验证、质量追溯及自动化检测系统的开发，具有显著的工程应用价值。... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 34 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.9649** mAP50-95 | 0.5292 Precision | 0.9019 Recall | 0.8783 train/box_loss | 1.2850 train/cls_loss | 0.7588 val/box_loss | 1.4612 val/cls_loss | 0.6408 【训练过程分析】 34 轮训练后 mAP50 达到 0.9649，模型收敛良好。Loss 曲线前段快速下降，后段趋于平稳，val_loss 无反弹，没有明显过拟合。但 mAP50-95 为 0.5292，和 mAP50 差距 0.44，定位精度仍有优化空间。【模型性能评估】 Precision 0.9019、Recall 0.8783，精度高于召回，存在一定漏检。【预测效果展示】验证集预测效果较好，检测框基本准确覆盖底盘铭牌，置信度整体偏高。【改进建议】 1. 增强难例挖掘：在大规...

2,750

社区成员

29,142

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章