请教一个很幼稚的问题,ADODataSet与ADOQuery有什么区别？它们使用的场合有什么本质的区别？

morninggood 2004-08-28 02:54:05

什么情况下使用ADOQuery,什么情况下使用ADODataSet?

...全文

217 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

qizhanfeng 2004-08-28

打赏
举报

ADOQuery的父类是Adodataset

hmily1688 2004-08-28

打赏
举报

ADODataSet与ADOQuery与ADOTable本身在效率上并没有什么太大的区别，之所以有ADOQuery与ADOTable是因为Borland为了照顾原来使用BDE的哪些人用Query与Table的方便，把ADODataSet的commandType属性你试着改变改变就知道了.默认为cmdText,还有cmdFile,cmdStoredProc,cmdTable,cmdTableDirect， cmdUnknown

oioioi-090 2004-08-28

打赏
举报

透过现象看本质，看看vcl源代码，他们都是从TCustomDataset继承下来的！

jinjintalk 2004-08-28

打赏
举报

李维大哥推荐我们最好用ADOQuery，不要用ADOdataset,以前老师也这么说，我就一直用ADOQuery，别的都不用，
现在理解伸了，觉得用什么都无所谓，反正只要能实现你的功能

hmily1688 2004-08-28

打赏
举报

net_morning 2004-08-28

打赏
举报

ADOQuery能做的ADODataSet都能做，反之不然。

duandao 2004-08-28

打赏
举报

ADOQuery是ADODataSet的子集。看看ADODataSet的图标，是Table,Query, StoredPro
的集合。
ADOQuery,ADOTable,ADOStoredProc是为方便Delphi开发人员的习惯，像BDE的Table、Query
和StoredProc一样使用而开发的。

代码转载自：https://pan.quark.cn/s/50df8825dc0d Tensilica Xtensa指令集架构手册是一份详尽阐述Xtensa指令集架构（ISA）的参考指南，它主要面向Tensilica公司所推出的处理器核心，尤其是LX106核，同时亦涵盖了ESP8266和ESP32等相关内容。该手册全面介绍了Xtensa处理器核心的指令集、配置选项、扩展能力以及将架构映射至硬件的详细情况。接下来将依据手册中所述的知识点进行深入解读。 ### Xtensa指令集架构（ISA） Xtensa指令集架构是Tensilica公司为其处理器产品设计的一套指令集，该指令集具备高度的可配置性和可扩展性。这一特性使得Xtensa ISA能够在不同的应用领域和硬件需求中进行个性化定制，以满足特定的功能与性能要求。 #### 可配置性（Configurability） Xtensa ISA的可配置性体现在用户可以根据实际需求对处理器的多个方面进行定制。这包括但不限于： - **指令集扩展**：用户可以根据特定的应用需求添加新的指令，从而提升处理特定任务的效率。 - **寄存器文件扩展**：根据应用需求，可以增加或优化处理器的寄存器数量和类型。 - **协处理器扩展**：通过集成特定的协处理器，可以将专门的计算任务卸载到协处理器上，从而提升整体性能。 #### 可扩展性（Extensibility） Xtensa ISA不仅可配置，还拥有卓越的可扩展性，它支持多种扩展，包括： - **状态扩展（State Extensions）**：允许处理器添加新的状态寄存器，以支持新的功能或增强现有功能。 - **指令扩展（Instruction Extensions）**：...

易语言源码XP图片预览框

下载代码方式：https://pan.quark.cn/s/8779ceeac982 YOLOv5被认为是一种功能卓越且精确度高的目标检测系统，它在即时处理场景中展现出优越的性能。"基于YOLOv5的火灾检测"计划致力于运用这项尖端的计算机视觉方法，以达成对火焰和烟雾的有效辨识，进而起到防止及降低火灾事故的作用。在这个压缩文件里，用户能够获取到预先训练完成的模型，这表示使用者能够直接执行推理检测，无需从头开始训练模型。我们现在将详细探讨YOLO（You Only Look Once）系统。YOLO是一种单阶段的目标检测方法，它将目标检测任务转化成回归问题，通过直接预测边界框和类别可能性来迅速识别图像中的物体。YOLOv5是这一系列的最新迭代，由Ultralytics团队研发，它在前几代的基础上进行了改进，包括更迅速的训练速率、更精准的检测以及更强的适应性。 YOLOv5的关键优化包含： 1. **数据增强**：应用了Mosaic数据增强技术，这是一种融合了随机缩放、翻转、裁剪及色彩调节的技巧，增强了模型的普遍适用性。 2. **更高效的架构**：运用了SPP-Block（Spatial Pyramid Pooling）和Path Aggregation Network (PANet)设计，提升了特征提取的效能和精确度。 3. **权重初始化**：采用了更优化的权重初始化策略，使模型在初始训练阶段就能更快地达到收敛。 4. **联合训练**：YOLOv5支持多尺度训练，即同步训练不同尺度的网络，以改善对小目标的检测效果。 5. **优化的损失函数**：使用了GIOU（Generalized IoU）损失函数，改进了边界框的定位。针对火灾检测的应用，YOLOv...

android-sdk-windows.z12

主要针对 TM 8/9 envi 5.3.1 插件打开