社区
MS-SQL Server
帖子详情
急:高分求购用友U8.21数据库字典!
yhqchina
2004-05-08 08:39:22
高分求购用友U8.21数据库字典,如果哪位大哥有相近版本的话,请大力相助,小女子万分感激,条件由你说!请多多指教!
savecn@sina.com
...全文
139
14
打赏
收藏
急:高分求购用友U8.21数据库字典!
高分求购用友U8.21数据库字典,如果哪位大哥有相近版本的话,请大力相助,小女子万分感激,条件由你说!请多多指教! savecn@sina.com
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
14 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
www_yh
2004-09-14
打赏
举报
回复
已发给你了!
yhqchina
2004-05-14
打赏
举报
回复
TO:Communism(星星)
您只提供几个表定义,还有其他几十个表知道吗,能否一并提供??
internetcsdn
2004-05-11
打赏
举报
回复
今天(应该是昨天)又有这样的问题的出现啊.
建议楼主搜索一下,看是否有帮助啦.
ljhlove520
2004-05-11
打赏
举报
回复
qq:9000547
www_yh
2004-05-10
打赏
举报
回复
怎么没有看见用友公司的程序员回贴呢,应该数据字典也保密吧!
yhqchina
2004-05-10
打赏
举报
回复
TO:Communism(星星)
请去另一遍贴子中接分吧(已发邮件给您)!
Communism
2004-05-09
打赏
举报
回复
谢谢,快给我分啊
Communism
2004-05-08
打赏
举报
回复
我只能提供总帐所涉及到的一些表,希望对你有用,qianpeipei◎126。com
尚和空四
2004-05-08
打赏
举报
回复
我有用友完整的数据字典,开个价我给你
xxjkzcf@163.com
internetcsdn
2004-05-08
打赏
举报
回复
小女子万分感激,条件由你说
这条件很吸引
Communism
2004-05-08
打赏
举报
回复
我有用友软件数据库里的财务表的结构,你要吗?
www_yh
2004-05-08
打赏
举报
回复
数据库表结构说明应该很多人知道,比如用友公司的程序员,可以拿出来与人方便嘛!并不是要用友的源程序,应该会有好人的!
netcoder
2004-05-08
打赏
举报
回复
有志者事竟成!
楼主不要放弃,耐心等待
zjcxc
元老
2004-05-08
打赏
举报
回复
条件是10000人民币(还不如找用友得了)
如果你是购买的用友软件,可以要求用友提供嘛.
创建(或者删除)
数据库
、表
1.创建
数据库
的基本语句 create database database_name *注意:database_name是你要创建的
数据库
的名称 1.1删除
数据库
的语句 drop database database_name 2.创建数据表 create table table_name *注意:table_name是你要创建的
数据库
的名称 2.1删除数据表的语句 dr...
老菜鸟学PYthon - 高考志愿填报数据的实时采集
一直想学习Python,又一直懒,直到今年高考志愿填报开始,在跟进学习的过程中发现了很多
高分
却报漏未被录取或没有报上的情况。(自家小子今年下半年开始高三生涯) 学习目的:2022年7月开始的高考志愿填报时,抓取院校信息、专业信息、每小时更新的志愿填报信息,综合分析意向学校的意向专业的录取分数变化情况。 背景说明:我所在内蒙古是全国唯一一个实时网报、实时排名的报考模式。 数据来源:以下学习过程中所使用的数据均为20
21
年内蒙古志愿填报提前批数据。 开始下载安装PYthon3.5.2、mysql5.6,
TryOnDiffusion:基于扩散模型的可落地AI虚拟试衣系统
扩散模型(Diffusion)作为当前AIGC领域主流生成范式,凭借其分步去噪、梯度可解释、结构可控等特性,在图像生成任务中展现出超越GAN与NeRF的鲁棒性与物理一致性。其核心原理在于通过逆向噪声估计,逐步重建符合真实分布的像素级细节,尤其适合需强空间对齐与形变合理性的视觉任务。在电商虚拟试衣场景中,扩散模型能有效建模服装-人体接触面的物理形变规律,解决袖长错位、布料失真、姿态不一致等落地痛点。TryOnDiffusion正是这一技术路径的工业级实现,融合姿态引导、多条件交叉注意力与物理渲染,支持单图输入
【声纳与人工智能融合——从理论前沿到自主系统实战(进阶篇)】第九章 面向物理空间分辨率的声纳扩散超分辨
降采样图像的IRW扩展至原始
高分
辨率图像的4倍,SGM重建通过恢复高频方位向相位历史,将IRW压缩至接近衍射极限理论值。对比图显示降采样输入的模糊点目标与重建结果的尖锐冲激响应,验证模型在缺失75%方位向采样数据条件下的超分辨能力。对方位向降采样4倍的低分辨率SAS图像,加载预训练的条件去噪网络,通过逆向SDE采样恢复
高分
辨率细节。方差保持SDE(VP-SDE)设定 f(xt,t)=−
21
β(t)xt ,g(t)=β(t) ,时间依赖的噪声调度 β(t) 控制扰动强度。
LLM开发不是实现功能,而是设计认知接口
大语言模型(LLM)本质上是一种新型人机协作媒介,其核心价值不在于参数规模或生成能力,而在于构建可预测、可维护、可演进的‘认知接口’。理解LLM需跳出传统软件工程范式,从意图锚定、上下文编织、生成约束到反馈闭环,形成符合人类认知节奏的动态认知流。这一过程高度依赖业务上下文与决策坐标系,而非通用prompt技巧或工具堆砌。实践中,no-code原型验证、轻量级分类器辅助意图识别、结构化输出约束等方法,显著提升系统稳定性与交付效率。本文聚焦LLM应用落地中最易被忽视的认知层设计,提供可复用的四层架构与37个真实
MS-SQL Server
34,876
社区成员
254,639
社区内容
发帖
与我相关
我的任务
MS-SQL Server
MS-SQL Server相关内容讨论专区
复制链接
扫一扫
分享
社区描述
MS-SQL Server相关内容讨论专区
社区管理员
加入社区
获取链接或二维码
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