【Python连接数据库基础 01】从原生驱动到ORM框架：Python数据库连接完全指南

article/2025/6/22 22:59:57

【Python连接数据库基础 01】从原生驱动到ORM框架：Python数据库连接完全指南

关键词：Python数据库连接、原生驱动、ORM框架、SQLAlchemy、PyMySQL、psycopg2、数据库编程、连接池、事务管理

摘要：本文从零开始讲解Python连接数据库的完整流程，从最基础的原生驱动使用到高级的ORM框架应用。通过生动的类比和实际案例，帮助你理解不同连接方式的优缺点，掌握数据库连接池、事务管理等核心概念，最终能够在实际项目中选择最适合的数据库连接方案。

引言：为什么Python需要连接数据库？

想象一下，你正在开发一个在线商城。用户的订单信息、商品库存、用户账户等数据都需要持久化存储。如果把这些数据都存在内存里，一旦程序重启，所有数据就会丢失。这就像把重要文件只保存在电脑的内存条里，断电就全没了。

数据库就像是一个超级可靠的"文件柜"，不仅能安全存储数据，还能快速检索、更新和管理。而Python作为"办公室工作人员"，需要学会如何与这个"文件柜"打交道。

在这里插入图片描述

第一步：理解数据库连接的本质

什么是数据库连接？

数据库连接就像是你和银行之间的"专线电话"。当你需要查询余额或转账时，需要先拨通这个专线，验证身份，然后才能进行操作。

在技术层面，数据库连接包含以下要素：

  • 主机地址：数据库服务器的位置（就像银行的地址）
  • 端口号：服务的具体入口（就像银行的窗口号）
  • 数据库名：要访问的具体数据库（就像要访问的账户类型）
  • 用户名和密码：身份验证信息

连接的生命周期

一个数据库连接的生命周期就像一次银行业务办理：

  1. 建立连接：走进银行，排队等号
  2. 身份验证：出示身份证，验证身份
  3. 执行操作：查询余额、转账、存款等
  4. 关闭连接：业务办完，离开银行

在这里插入图片描述

第二步：原生驱动 - 最直接的连接方式

什么是原生驱动？

原生驱动就像是"直接对话"。你直接用数据库厂商提供的"语言包"与数据库交流，没有任何中间翻译。

MySQL连接示例
import pymysql# 建立连接 - 就像拨通银行专线
connection = pymysql.connect(host='localhost',        # 银行地址port=3306,              # 窗口号user='root',            # 用户名password='password',     # 密码database='shop_db',     # 要访问的数据库charset='utf8mb4'       # 字符编码
)try:# 创建游标 - 就像拿到业务单据with connection.cursor() as cursor:# 执行查询 - 填写业务需求sql = "SELECT * FROM products WHERE price < %s"cursor.execute(sql, (100,))# 获取结果 - 拿到查询结果results = cursor.fetchall()for row in results:print(f"商品：{row[1]}, 价格：{row[2]}")# 提交事务 - 确认业务完成connection.commit()finally:# 关闭连接 - 离开银行connection.close()
PostgreSQL连接示例
import psycopg2# PostgreSQL连接
connection = psycopg2.connect(host='localhost',port=5432,user='postgres',password='password',database='shop_db'
)try:with connection.cursor() as cursor:# 使用参数化查询防止SQL注入cursor.execute("SELECT name, price FROM products WHERE category = %s",('electronics',))products = cursor.fetchall()for name, price in products:print(f"{name}: ${price}")connection.commit()except psycopg2.Error as e:print(f"数据库错误：{e}")connection.rollback()finally:connection.close()

原生驱动的优缺点

优点：

  • 性能最优，直接通信
  • 功能完整，支持数据库特有功能
  • 学习成本低，接近原生SQL

缺点：

  • 代码冗长，需要手动管理连接
  • 容易出错，忘记关闭连接会导致资源泄露
  • 不同数据库API不同，移植性差

在这里插入图片描述

第三步：连接池 - 提升性能的关键

为什么需要连接池？

想象一下，如果每次去银行办业务都要重新排队、验证身份，那效率会很低。连接池就像是"VIP通道"，预先建立好几个连接，需要时直接使用，用完归还。

from dbutils.pooled_db import PooledDB
import pymysql# 创建连接池
pool = PooledDB(creator=pymysql,        # 数据库驱动maxconnections=20,      # 最大连接数mincached=5,           # 最小缓存连接数maxcached=10,          # 最大缓存连接数blocking=True,         # 连接用完时是否阻塞等待host='localhost',port=3306,user='root',password='password',database='shop_db',charset='utf8mb4'
)def get_products_by_category(category):"""使用连接池获取商品信息"""# 从池中获取连接connection = pool.connection()try:with connection.cursor() as cursor:cursor.execute("SELECT name, price FROM products WHERE category = %s",(category,))return cursor.fetchall()finally:# 连接自动归还到池中connection.close()# 使用示例
electronics = get_products_by_category('electronics')
for name, price in electronics:print(f"{name}: ${price}")

连接池的配置参数

# 高级连接池配置
pool_config = {'maxconnections': 50,    # 最大连接数（根据服务器性能调整）'mincached': 10,         # 启动时创建的连接数'maxcached': 20,         # 池中最多保持的连接数'maxshared': 0,          # 最大共享连接数（0表示不共享）'blocking': True,        # 连接池满时是否等待'maxusage': 1000,       # 单个连接最大使用次数'setsession': ['SET AUTOCOMMIT = 1']  # 连接初始化SQL
}

第四步：ORM框架 - 面向对象的数据库操作

什么是ORM？

ORM（Object-Relational Mapping）就像是"智能翻译官"。它把数据库的表格翻译成Python的类，把行记录翻译成对象，让你可以用面向对象的方式操作数据库。

想象一下，原来你需要说"请帮我在用户表中查找姓名为张三的记录"，现在你可以直接说"给我找到张三这个用户对象"。

在这里插入图片描述

SQLAlchemy Core - 表达式语言

SQLAlchemy Core提供了一种更Pythonic的方式来构建SQL语句：

from sqlalchemy import create_engine, MetaData, Table, Column, Integer, String, Float
from sqlalchemy.sql import select# 创建引擎 - 就像配置好的"翻译官"
engine = create_engine('mysql+pymysql://root:password@localhost/shop_db')# 定义表结构
metadata = MetaData()
products = Table('products', metadata,Column('id', Integer, primary_key=True),Column('name', String(100)),Column('price', Float),Column('category', String(50))
)# 使用表达式语言查询
with engine.connect() as connection:# 构建查询 - 像搭积木一样组装SQLquery = select([products.c.name, products.c.price]).where(products.c.category == 'electronics').where(products.c.price < 1000)# 执行查询result = connection.execute(query)for row in result:print(f"商品：{row.name}, 价格：${row.price}")

SQLAlchemy ORM - 完全面向对象

from sqlalchemy import create_engine, Column, Integer, String, Float
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker# 创建基类
Base = declarative_base()# 定义产品模型 - 就像定义一个"商品"类
class Product(Base):__tablename__ = 'products'id = Column(Integer, primary_key=True)name = Column(String(100))price = Column(Float)category = Column(String(50))def __repr__(self):return f"<Product(name='{self.name}', price={self.price})>"# 创建引擎和会话
engine = create_engine('mysql+pymysql://root:password@localhost/shop_db')
Session = sessionmaker(bind=engine)
session = Session()# 面向对象的数据库操作
try:# 查询 - 就像在对象列表中筛选cheap_electronics = session.query(Product).filter(Product.category == 'electronics',Product.price < 500).all()for product in cheap_electronics:print(f"{product.name}: ${product.price}")# 创建新商品 - 就像创建一个新对象new_product = Product(name='智能手表',price=299.99,category='electronics')# 添加到数据库session.add(new_product)session.commit()print(f"新商品已添加：{new_product}")except Exception as e:session.rollback()print(f"操作失败：{e}")finally:session.close()

Django ORM - Web开发的最佳选择

# models.py - 定义模型
from django.db import modelsclass Product(models.Model):name = models.CharField(max_length=100)price = models.DecimalField(max_digits=10, decimal_places=2)category = models.CharField(max_length=50)created_at = models.DateTimeField(auto_now_add=True)class Meta:db_table = 'products'def __str__(self):return self.name# views.py - 使用模型
from django.shortcuts import render
from .models import Productdef product_list(request):# Django ORM查询 - 非常直观electronics = Product.objects.filter(category='electronics',price__lt=1000).order_by('price')return render(request, 'products.html', {'products': electronics})# 在Django shell中的操作
# python manage.py shell# 创建商品
product = Product.objects.create(name='无线耳机',price=199.99,category='electronics'
)# 查询商品
expensive_products = Product.objects.filter(price__gte=500)
electronics_count = Product.objects.filter(category='electronics').count()# 更新商品
Product.objects.filter(category='electronics').update(price=F('price') * 0.9)# 删除商品
Product.objects.filter(price__lt=10).delete()

第五步：事务管理 - 确保数据一致性

什么是事务？

事务就像是"银行转账"操作。要么全部成功（钱从A账户扣除，同时加到B账户），要么全部失败（两个账户都不变）。不能出现钱从A账户扣了，但没加到B账户的情况。

# 原生驱动的事务管理
import pymysqlconnection = pymysql.connect(host='localhost',user='root',password='password',database='shop_db',autocommit=False  # 关闭自动提交
)try:with connection.cursor() as cursor:# 开始事务 - 就像开始一个"原子操作"# 步骤1：减少商品库存cursor.execute("UPDATE products SET stock = stock - %s WHERE id = %s",(1, 101))# 步骤2：创建订单cursor.execute("INSERT INTO orders (product_id, quantity, user_id) VALUES (%s, %s, %s)",(101, 1, 1001))# 步骤3：更新用户积分cursor.execute("UPDATE users SET points = points + %s WHERE id = %s",(10, 1001))# 所有操作成功，提交事务connection.commit()print("订单创建成功！")except Exception as e:# 任何步骤失败，回滚所有操作connection.rollback()print(f"订单创建失败，已回滚：{e}")finally:connection.close()

SQLAlchemy的事务管理

from sqlalchemy.orm import sessionmaker
from contextlib import contextmanager@contextmanager
def database_transaction(session):"""事务上下文管理器"""try:yield sessionsession.commit()except Exception:session.rollback()raisefinally:session.close()# 使用事务管理器
Session = sessionmaker(bind=engine)def create_order(product_id, quantity, user_id):session = Session()with database_transaction(session):# 查找商品product = session.query(Product).filter_by(id=product_id).first()if not product:raise ValueError("商品不存在")if product.stock < quantity:raise ValueError("库存不足")# 减少库存product.stock -= quantity# 创建订单order = Order(product_id=product_id,quantity=quantity,user_id=user_id,total_price=product.price * quantity)session.add(order)# 更新用户积分user = session.query(User).filter_by(id=user_id).first()user.points += quantity * 10# 使用示例
try:create_order(product_id=101, quantity=2, user_id=1001)print("订单创建成功！")
except ValueError as e:print(f"订单创建失败：{e}")

第六步：选择合适的连接方式

决策树

在这里插入图片描述

不同场景的最佳实践

1. 简单脚本或数据分析
# 推荐：原生驱动 + 连接池
import pymysql
from dbutils.pooled_db import PooledDBpool = PooledDB(creator=pymysql,maxconnections=5,host='localhost',user='root',password='password',database='analytics_db'
)def analyze_sales_data():connection = pool.connection()try:with connection.cursor() as cursor:cursor.execute("""SELECT DATE(created_at) as date, SUM(total_amount) as daily_salesFROM orders WHERE created_at >= DATE_SUB(NOW(), INTERVAL 30 DAY)GROUP BY DATE(created_at)ORDER BY date""")return cursor.fetchall()finally:connection.close()
2. Web应用开发
# 推荐：Django ORM 或 SQLAlchemy ORM
from django.db import models
from django.db import transactionclass OrderService:@transaction.atomicdef create_order(self, user, items):"""创建订单服务"""order = Order.objects.create(user=user,status='pending',total_amount=0)total = 0for item_data in items:product = Product.objects.select_for_update().get(id=item_data['product_id'])if product.stock < item_data['quantity']:raise ValueError(f"商品 {product.name} 库存不足")# 减少库存product.stock -= item_data['quantity']product.save()# 创建订单项OrderItem.objects.create(order=order,product=product,quantity=item_data['quantity'],price=product.price)total += product.price * item_data['quantity']order.total_amount = totalorder.save()return order
3. 高性能API服务
# 推荐：SQLAlchemy Core + 异步驱动
import asyncio
import asyncpg
from sqlalchemy import create_engine, textclass AsyncDatabaseService:def __init__(self, database_url):self.database_url = database_urlself.pool = Noneasync def init_pool(self):self.pool = await asyncpg.create_pool(self.database_url)async def get_user_orders(self, user_id):async with self.pool.acquire() as connection:query = """SELECT o.id, o.created_at, o.total_amount,array_agg(json_build_object('product_name', p.name,'quantity', oi.quantity,'price', oi.price)) as itemsFROM orders oJOIN order_items oi ON o.id = oi.order_idJOIN products p ON oi.product_id = p.idWHERE o.user_id = $1GROUP BY o.id, o.created_at, o.total_amountORDER BY o.created_at DESC"""rows = await connection.fetch(query, user_id)return [dict(row) for row in rows]# 使用示例
async def main():db_service = AsyncDatabaseService("postgresql://user:password@localhost/shop_db")await db_service.init_pool()orders = await db_service.get_user_orders(1001)print(f"用户订单：{orders}")# asyncio.run(main())

第七步：性能优化与最佳实践

1. 连接池优化

# 生产环境连接池配置
from sqlalchemy import create_engine
from sqlalchemy.pool import QueuePoolengine = create_engine('mysql+pymysql://user:password@localhost/db',poolclass=QueuePool,pool_size=20,          # 常驻连接数max_overflow=30,       # 额外连接数pool_pre_ping=True,    # 连接前检查有效性pool_recycle=3600,     # 连接回收时间（秒）echo=False             # 生产环境关闭SQL日志
)

2. 查询优化

# 批量操作优化
from sqlalchemy.orm import sessionmakerSession = sessionmaker(bind=engine)def bulk_insert_products(products_data):"""批量插入商品"""session = Session()try:# 使用bulk_insert_mappings提升性能session.bulk_insert_mappings(Product, products_data)session.commit()except Exception:session.rollback()raisefinally:session.close()def bulk_update_prices(price_updates):"""批量更新价格"""session = Session()try:# 使用bulk_update_mappingssession.bulk_update_mappings(Product, price_updates)session.commit()except Exception:session.rollback()raisefinally:session.close()# 使用示例
products_data = [{'name': '商品1', 'price': 99.99, 'category': 'electronics'},{'name': '商品2', 'price': 199.99, 'category': 'electronics'},# ... 更多商品
]bulk_insert_products(products_data)

3. 监控和调试

import logging
from sqlalchemy import event
from sqlalchemy.engine import Engine
import time# 配置SQL查询日志
logging.basicConfig()
logging.getLogger('sqlalchemy.engine').setLevel(logging.INFO)# 监控慢查询
@event.listens_for(Engine, "before_cursor_execute")
def receive_before_cursor_execute(conn, cursor, statement, parameters, context, executemany):context._query_start_time = time.time()@event.listens_for(Engine, "after_cursor_execute")
def receive_after_cursor_execute(conn, cursor, statement, parameters, context, executemany):total = time.time() - context._query_start_timeif total > 0.5:  # 记录超过0.5秒的查询logger.warning(f"慢查询 ({total:.2f}s): {statement[:100]}...")

总结：选择适合你的数据库连接方案

通过这篇文章，我们从最基础的原生驱动连接，到高级的ORM框架应用，完整地了解了Python连接数据库的各种方式。

快速选择指南

  • 数据分析脚本：原生驱动 + 连接池
  • Web应用：Django ORM 或 SQLAlchemy ORM
  • 高性能API：SQLAlchemy Core + 异步驱动
  • 复杂业务逻辑：SQLAlchemy ORM + 事务管理
  • 简单CRUD操作：任何ORM框架

关键要点回顾

  1. 连接管理：始终使用连接池，避免频繁创建连接
  2. 事务处理：关键业务操作必须使用事务保证一致性
  3. 性能优化：合理配置连接池，使用批量操作
  4. 安全考虑：使用参数化查询防止SQL注入
  5. 错误处理：完善的异常处理和资源清理

记住，没有最好的方案，只有最适合的方案。根据你的项目需求、团队技能和性能要求来选择合适的数据库连接方式。

扩展阅读

  • SQLAlchemy官方文档
  • Django ORM最佳实践
  • Python数据库API规范 PEP 249
  • 数据库连接池原理与实现

http://www.hkcw.cn/article/WwsABqcBad.shtml

相关文章

Oracle授权操作

Oracle授权操作

目录 一、前置知识 1.使用ipconfig查看当前电脑的IP地址 2.查看Oracle数据库链接串 二、登录Oracle数据库 三、创建新用户、修改密码并授权 1.创建新用户并解锁 2.修改用户密码 3.授权用户登录 4.查看角色的权限范围 5.授予用户角色 6.撤销CONNECT角色 7.查看哪些用…
阅读更多...
STM32：CAN总线精髓：特性、电路、帧格式与波形分析详解

STM32：CAN总线精髓：特性、电路、帧格式与波形分析详解

声明&#xff1a;此博客是我的学习笔记&#xff0c;所看课程是江协科技的CAN总线课程&#xff0c;知识点都大同小异&#xff0c;我仅进行总结并加上了我自己的理解&#xff0c;所引案例也都是课程中的案例&#xff0c;希望对你的理解有所帮助&#xff01; 知识点1【CAN总线的概…
阅读更多...
贾跃亭数度哽咽：散户救了我们的命，FF重生有望

贾跃亭数度哽咽：散户救了我们的命，FF重生有望

6月3日，一段贾跃亭在首届“FFAI首年度股东日”活动上的讲话视频流出。一位从乐视早期就开始追随贾跃亭投资乐视和FF的股民自费从国内飞到洛杉矶参加活动，表达了对贾跃亭东山再起的期盼。贾跃亭在现场数度哽咽，表示FF能够存活下来主要归功于散户的支持。贾跃亭坦承，FF曾一度…
阅读更多...
荣昌端午节旅游总收入近6亿元 文旅消费创新高

荣昌端午节旅游总收入近6亿元 文旅消费创新高

在刚刚过去的5月，荣昌区推出了一系列丰富多彩的旅游产品、文化活动和惠民举措，以满足游客多元化的个性化需求，多项数据创下历史新高。据荣昌区文旅委统计，5月1日至31日，全区共接待游客673.98万人次，同比增长224.31%；旅游总收入达377428.8万元，同比增长228.39%。具体来看…
阅读更多...
哈佛大学寻求解冻儿童艾滋病研究拨款 法庭斗争持续

哈佛大学寻求解冻儿童艾滋病研究拨款 法庭斗争持续

6月2日，哈佛大学请求一名联邦法官发布简易判决，以解冻特朗普政府自4月14日以来冻结的25亿美元资金。这些资金与国家安全威胁、癌症和传染病等研究相关。由于拒绝了白宫提出的一系列要求，哈佛大学收到了957份命令，要求冻结这些资金。在提交给法庭的文件中，哈佛大学详细说明…
阅读更多...
Ubuntu22.04 安装 CUDA12.8

Ubuntu22.04 安装 CUDA12.8

1.下载CUDA 由于我装完 Ubuntu22.04 后就自动带了最新的显卡驱动&#xff0c;就没有再去配置驱动。 先查看驱动能支持的CUDA最高版本&#xff0c;这里显示可支持到12.8。 nvidia-smi在CUDA的 说明文档 可查看CUDA对应的驱动版本要求。 在 CUDA Toolkit Archive 查找需要的 …
阅读更多...
TomSolver 库 | config详解及其测试

TomSolver 库 | config详解及其测试

一、C 关键特性解析 1. enum class 强类型枚举 enum class LogLevel { OFF, FATAL, ERROR, WARN, INFO, DEBUG, TRACE, ALL }; enum class NonlinearMethod { NEWTON_RAPHSON, LM };核心特性&#xff1a; 类型安全&#xff1a;禁止隐式转换为整数作用域限定&#xff1a;必须…
阅读更多...
2025年—Comfy UI 和 Stable Diffusion底层原理

2025年—Comfy UI 和 Stable Diffusion底层原理

为什么要先讲SD原理 &#xff1f; 逻辑理解: ComfyUI是节点式操作&#xff0c;需要自行搭建工作流&#xff0c;理解原理才能灵活定制工作流学习效率: 基础原理不懂会导致后续学习吃力&#xff0c;原理是掌握ComfyUI的关键核心价值: ComfyUI最有价值的功能就是自主搭建工作流&a…
阅读更多...
分糖果 两次遍历处理左右

分糖果 两次遍历处理左右

这个题目本来打算两次遍历来写&#xff0c;但是细节处理上出了问题&#xff0c;我想的是距离两个1的距离最大值&#xff0c;但是其实并不是这样的&#xff0c;只有值递增的时候才能递增 题目地址 class Solution:def candy(self, ratings: List[int]) -> int:n len(ratings…
阅读更多...
【设计模式-3.6】结构型——桥接模式

【设计模式-3.6】结构型——桥接模式

说明&#xff1a;本文介绍结构型设计模式之一的桥接模式 定义 桥接模式&#xff08;Bridge Pattern&#xff09;又叫作桥梁模式、接口&#xff08;Interface&#xff09;模式或柄体&#xff08;Handle and Body&#xff09;模式&#xff0c;指将抽象部分与具体实现部分分离&a…
阅读更多...
vite构建工具

vite构建工具

文章目录 1. 什么是构建工具2. webpack的缺点在哪&#xff1f;3. 区分vite脚手架和vite5. vite预加载5.1 包的加载5.2. vite依赖预构建 7. vite配置文件处理8. vite环境变量和模式8.1 环境变量8.2 模式 1. 什么是构建工具 在开发项目中&#xff0c;我们可能会使用到vue、react…
阅读更多...
警方通报“男子拖拽6岁女童进小巷” 嫌疑人已被拘留将追责

警方通报“男子拖拽6岁女童进小巷” 嫌疑人已被拘留将追责

6月3日，湖南娄底市公安局娄星分局通报了一起事件。5月20日下午，嫌疑人刘某某酒后行至娄底市娄星区涟滨中街附近，拖拽一名六岁女童进入居民区巷子。幸好被居民及时制止并报警。接警后，民警迅速赶到现场将刘某某控制。经侦查，刘某某涉嫌寻衅滋事已被拘留，将依法追究其刑事责…
阅读更多...
下一个假期连休8天要等4个月 国庆中秋合并放

下一个假期连休8天要等4个月 国庆中秋合并放

今天是端午节假期的最后一天。很多人关心下一次休假是什么时候。根据国务院办公厅关于2025年部分节假日安排的通知，下一轮节假日将在4个月后的国庆节和中秋节。这两个节日合并放假8天。责任编辑：zx0001
阅读更多...
成品油价将迎年内第11次调价 或迎来小幅上涨

成品油价将迎年内第11次调价 或迎来小幅上涨

成品油价将迎年内第11次调价 或迎来小幅上涨！油价最新消息：2025年6月1日星期日，距离油价调整窗口开启只剩下两天。预计油价将小幅上涨，虽然涨幅不大，但对车主来说能省一点是一点，请相互转告。在本轮计价周期中，开局时油价每吨上涨140元，但由于国际油价下跌的影响，到第…
阅读更多...
C. Basketball Exercise

C. Basketball Exercise

time limit per test 2 seconds memory limit per test 256 megabytes Finally, a basketball court has been opened in SIS, so Demid has decided to hold a basketball exercise session. 2⋅n2⋅n students have come to Demids exercise session, and he lined up th…
阅读更多...
【含文档+PPT+源码】基于微信小程序的旅游论坛系统的设计与实现

【含文档+PPT+源码】基于微信小程序的旅游论坛系统的设计与实现

项目介绍 本课程演示的是一款基于微信小程序的旅游论坛系统的设计与实现&#xff0c;主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的 Java 学习者。 1.包含&#xff1a;项目源码、项目文档、数据库脚本、软件工具等所有资料 2.带你从零开始部署运行本套系统 …
阅读更多...
基于Android的医院陪诊预约系统

基于Android的医院陪诊预约系统

博主介绍&#xff1a;java高级开发&#xff0c;从事互联网行业六年&#xff0c;熟悉各种主流语言&#xff0c;精通java、python、php、爬虫、web开发&#xff0c;已经做了六年的毕业设计程序开发&#xff0c;开发过上千套毕业设计程序&#xff0c;没有什么华丽的语言&#xff0…
阅读更多...
随机性的起源

随机性的起源

文章目录 随机性的起源模型权重初始化主要影响常见做法代码示例 数据采集与重排&#xff08;加载与打乱&#xff09;例子注意事项代码示例 非确定性算法Dropout带来的随机性代码示例不同运行时的算法卷积操作的实现差异例子解决方法小结 硬件与驱动程序随机性与生成式AI生成式A…
阅读更多...
12.1 GUI 事件处理

12.1 GUI 事件处理

Swing简介 不同于 AWT 使用重量级组件&#xff08;每个组件对应有一个本地窗口系统资源&#xff09;&#xff0c;Swing 提供了轻量级组件&#xff0c;它们不是直接映射到本地窗口系统组件上&#xff0c;而是绘制出来的。因此&#xff0c;Swing 组件可以在不同的平台上保持一致的…
阅读更多...
冲入起火麦地抢收司机称举手之劳 网友赞救火英雄

冲入起火麦地抢收司机称举手之劳 网友赞救火英雄

冲入起火麦地抢收司机称举手之劳 网友赞救火英雄！6月1日，一段视频在网上引起广泛关注。视频中，远处麦田浓烟滚滚，火焰借风力蔓延。这时，一台收割机朝着浓烟方向驶去，在麦田中快速开辟出一条隔火带。视频中，收割机司机的妻子大声呼喊：“别离火那么近！往外走点！”她还对…
阅读更多...
推荐文章

Copyright @ 2022~2023