1) 建立用户(登录帐号)U1、U2、U3、U4、U5、U6、U7和对应的数据库学生课程系统的用户dbu1、dbu2、dbu3、dbu4、dbyu5、dbu6、dbu7。

时间: 2023-11-29 08:45:57 浏览: 187
以下是建立用户和对应数据库的SQL语句: ``` -- 建立用户U1和对应的数据库dbu1 CREATE USER 'U1'@'localhost' IDENTIFIED BY 'password1'; CREATE DATABASE IF NOT EXISTS dbu1 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu1.* TO 'U1'@'localhost'; -- 建立用户U2和对应的数据库dbu2 CREATE USER 'U2'@'localhost' IDENTIFIED BY 'password2'; CREATE DATABASE IF NOT EXISTS dbu2 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu2.* TO 'U2'@'localhost'; -- 建立用户U3和对应的数据库dbu3 CREATE USER 'U3'@'localhost' IDENTIFIED BY 'password3'; CREATE DATABASE IF NOT EXISTS dbu3 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu3.* TO 'U3'@'localhost'; -- 建立用户U4和对应的数据库dbu4 CREATE USER 'U4'@'localhost' IDENTIFIED BY 'password4'; CREATE DATABASE IF NOT EXISTS dbu4 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu4.* TO 'U4'@'localhost'; -- 建立用户U5和对应的数据库dbu5 CREATE USER 'U5'@'localhost' IDENTIFIED BY 'password5'; CREATE DATABASE IF NOT EXISTS dbu5 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu5.* TO 'U5'@'localhost'; -- 建立用户U6和对应的数据库dbu6 CREATE USER 'U6'@'localhost' IDENTIFIED BY 'password6'; CREATE DATABASE IF NOT EXISTS dbu6 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu6.* TO 'U6'@'localhost'; -- 建立用户U7和对应的数据库dbu7 CREATE USER 'U7'@'localhost' IDENTIFIED BY 'password7'; CREATE DATABASE IF NOT EXISTS dbu7 DEFAULT CHARSET utf8 COLLATE utf8_general_ci; GRANT ALL PRIVILEGES ON dbu7.* TO 'U7'@'localhost'; ``` 请注意,这里的密码只是示例,请根据实际情况设置更安全的密码。
阅读全文

相关推荐

import numpy import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import os import cv2 as cv from sklearn.model_selection import train_test_split def getImgeAndLabels(path): #存放训练图片 facesSamples = [] #存放图片id ids = [] #存放路径和名称 imagPaths = [] for f in os.listdir(path): #连接文件夹路径和图片名称 result = os.path.join(path,f) #存入 imagPaths.append(result) face_detector = cv.CascadeClassifier(r'D:\pyh\envs\OpenCV\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml') for imagPath in imagPaths: #读取每一种图片 img = cv.imread(imagPath) PIL_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY) #获取每张图片的id 利用os.path.split的方法将路径和名称分割开 id = int(os.path.split(imagPath)[1].split('.')[0]) facesSamples.append(PIL_img) ids.append(id) return facesSamples,ids if __name__ == '__main__': path = './data/' faces,ids = getImgeAndLabels(path) x = np.array(faces,dtype = np.uint8) y = np.array(ids,dtype = np.uint8) x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=0) model = tf.keras.models.Sequential([ tf.keras.layers.Input(shape=(112, 92)), #拉平转化为一维数据 tf.keras.layers.Flatten(input_shape=(112,92)), #定义神经网络全连接层,参数是神经元个数以及使用激活函数 tf.keras.layers.Dense(200,activation='relu'), #设置遗忘率 # tf.keras.layers.Dropout(0.2), #定义最终输出(输出10种类别,softmax实现分类的概率分布) tf.keras.layers.Dense(16,activation='softmax') ]) model.compile( optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy']) print("模型*************") model.fit(x,y,epochs=80) print("成绩***********") model.evaluate(x_test,y_test) class_name = ['u1','u2','u3', 'u4','u5','u6','u7','u8','u9','u10','u11','u12','u13',] predata = cv.imread(r'./data/5.pgm') predata = cv.cvtColor(predata, cv.COLOR_RGB2GRAY) reshaped_data = np.reshape(predata, (1, 112, 92)) #预测一个10以内的数组,他们代表对10种不同服装的可信度 predictions_single = model.predict(reshaped_data) max = numpy.argmax(predictions_single) #在列表中找到最大值 print(class_name[max-1]) plt.imshow(x_test[10],cmap=plt.cm.gray_r) plt.show()

分析一下代码:module taxi(clk_50M, reset,start,a,b,c,d,e,f,g,p,sel,pluse,led,key,set); // 端口的定义 input clk_50M,reset,start,pluse,key,set;//总的时钟信号,复位信号,开始信号 output[7:0] sel;//数码管的输出 output a,b,c,d,e,f,g,p; output led; wire led; wire [7:0]distance;//公里 wire [7:0] s;//秒 wire [7:0] m;//分 wire [7:0] fee;//费用 wire [3:0] rprice; wire [7:0]rfee; wire [31:0]q; wire [3:0]q0,q1,q2,q3,q4,q5,q6,q7; wire [3:0]DH,DL,MH,ML,SH,SL,FH,FL; wire distance_enable; //公里控制费用的信号 wire time_enable; //时间控制费用的信号 wire select_clk; //控制信号 wire hz1,hz2; //数码管的时钟 wire hz; //计数时钟 wire clk_key; wire timer; wire key_reg,rkey_reg,rkey_set; wire module_Flag,SPEED_Flag,flag,price_Flag,fee_Flag,beep_flag; //*模块的调用*// div_clk u0(.clk(clk_50M),.fs(1),.cko(hz));//调用计数分频模块 div_clk u1(.clk(clk_50M),.fs(500),.cko(hz1));//调用数码管分频模块 div_clk u2(.clk(clk_50M),.fs(1000),.cko(clk_key));//调用时钟消抖分频模块 control u3(.flag(flag),.distance_enable(distance_enable),.time_enable(time_enable), .select_clk(select_clk)); distancemokuai u4(.clk(hz),.flag(flag),.reset(reset),.distance(distance), .distance_enable(distance_enable),.module_Flag(module_Flag));//调用计程模块 timemokuai u5(.clk(hz),.reset(reset),.flag(flag),.s(s),.m(m), .time_enable(time_enable));//调用计时模块 feemokuai u6(.reset(reset),.price(rprice),.fee(fee),.s_fee(rfee),.select_clk(select_clk),.clk(hz));//调用计费模块 feeprice_set u7(.fee_Flag(fee_Flag),.price_Flag(price_Flag),.set(rkey_set),.reset(reset), .clk(clk_50M),.fee(rfee),.price(rprice)); scan_led u8 ( .clk(hz1), .DA(DH), .DB(DL), .DC(MH), .DD(ML), .DE(SH), .DF(SL), .DG(FH), .DH(FL), .a(a), .b(b), .c(c), .d(d), .e(e), .f(f), .g(g), .p(p), .sel(sel) ); count_in u9(.clk_in(pluse),.q(q),.timer(timer)); count_cnt u10(.clk(hz),.q(q),.q0(q0),.q1(q1),.q2(q2),.q3(q3),.q4(q4),.q5(q5),.q6(q6),.q7(q7), .timer(timer),.led(led),.beep_flag(beep_flag)); key_shake u11(.clk(clk_key), .key_in(key), .key_out(key_reg)); key_shake u12(.clk(clk_key), .key_in(start), .key_out(rkey_reg)); key_shake u13(.clk(clk_key), .key_in(set), .key_out(rkey_set)); key_control u14(.key(key_reg),.clk(clk_50M),.module_Flag(module_Flag),.SPEED_Flag(SPEED_Flag), .price_Flag(price_Flag),.fee_Flag(fee_Flag)); key_control2 u15(.start(rkey_reg),.clk(clk_50M),.flag(flag),.reset(reset),.module_Flag(module_Flag)); switch u16(.clk(clk_50M),.distance(distance),.s(s),.m(m), .q0(q0),.q1(q1),.q2(q2),.q3(q3),.q4(q4),.q5(q5),.q6(q6),.q7(q7), .fee(fee),.s_fee(rfee),.price(rprice),.module_Flag(module_Flag), .SPEED_Flag(SPEED_Flag),.fee_Flag(fee_Flag),.price_Flag(price_Flag), .DH(DH),.DL(DL),.MH(MH),.ML(ML),.SH(SH),.SL(SL),.FH(FH),.FL(FL)); endmodule//结束顶层模块

最新推荐

recommend-type

(完整数据)全国各地级市分类异质性数据2024年

## 数据指标说明 地域范围:298个地级市(其中包括4个直辖市) 更新时间:2024年 数据来源:文件里面有说明 指数包括: (1)南北方城市 (2)东中西城市 (3)七大地理区、八大综合经济区 (4)城市群,长三角珠三角京津冀等 (5)长江流域沿岸、黄河流域沿岸 (6)35个大中城市、70个大中城市 (7)沿海城市: (8)胡焕庸线 (9)环境重点保护城市 参考文献: 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76. 胡求光,周宇飞.开发区产业集聚的环境效应:加剧污染还是促进治理?[J].中国人口·资源与环境,2020,30(10):64-72. 蒋仁爱,杨圣豪,温军.高铁开通与经济高质量发展——机制及效果[J].南开经济研究,2023(07):70-89.
recommend-type

GPU RDMA上游支持进展及动态内存缓冲区机制

内容概要:本文详细介绍了 GPU 上游 RDMA 支持的最新进展,重点讨论了使用 dma-buf 作为共享内存机制的关键技术细节和设计变更。文章还展示了目前的工作状态,未来的发展方向以及软件生态系统的启用。核心内容包括动态内存缓冲区机制的实现方法及其与 GPU 和 NIC 驱动程序的交互方式。 适合人群:从事高性能计算和分布式系统研究的技术人员,尤其是对 GPU 和 RDMA 技术感兴趣的开发者。 使用场景及目标:帮助研究人员和开发者了解并实施 GPU-RDMA 解决方案,提升系统性能。具体应用场景包括数据中心内的高效数据传输和大规模并行计算任务的优化。 其他说明:文中提供了详细的代码审查和技术设计的背景,有助于深入理解相关技术的内部运作机制。此外,文章还提到了当前的一些挑战和未来的改进方向,为后续的研究提供指导。
recommend-type

深入理解Java回调函数及其应用实例

内容概要:本文详细介绍了回调函数的概念、分类和特点。通过具体实例展示了同步和异步回调函数在Java程序中的应用场景,如事件处理、多线程操作和第三方库的集成。同时阐述了如何利用接口和Java 8的Lambda表达式实现高效的回调机制。 适合人群:具有初级及以上Java编程经验的开发者,尤其是希望深入了解回调函数工作机制的人群。 使用场景及目标:帮助读者掌握同步和异步回调函数的区别及应用场景,提高程序的响应速度和效率。在日常开发中能够灵活运用回调函数解决实际问题。 其他说明:回调函数广泛应用于多种开发框架和技术中,熟练掌握回调函数有助于提升编程技巧和软件架构能力。
recommend-type

基于java的理发店会员管理系统设计与实现e.docx

基于java的理发店会员管理系统设计与实现e.docx
recommend-type

C 语言应用级扩展库 是在工作、学习过程中积累或研发的应用模块集合 编码遵循 ANSI C 规范,易于扩展和学习 常用模块 状态机FsmTiny 按键WtButton 灯控WtLamp.zip

C 语言应用级扩展库。是在工作、学习过程中积累或研发的应用模块集合。编码遵循 ANSI C 规范,易于扩展和学习。 常用模块 状态机FsmTiny 按键WtButton 灯控WtLamp摘要纯 C 语言应用级扩展库,每个模块都与硬件无关。是在工作、学习过程中积累或研发的应用模块集合,每个模块有一个独立的项目文件,编码遵循标准 ANSI C,命名规范,易于扩展和学习。 常用模块状态机FsmTiny按键WtButton灯控WtLamp十六进制转换Hex开发环境Microsoft Visual Studio 社区 2022(64 位)Microsoft Visual C++ 2022(纯 C 模式)获取git clone https://github.com/feallee/WtLibrary.git 注意事项部分开发环境需要预先初始化动态内存池作为使用动态内存的前置条件(如 Keil C51)。在其它环境编译、调试只需指定模块相应的 .c 和 .h 文件即可。模块与硬件无关,需编写硬件驱动与模块关联(如按键、灯控等)。问题和建议如果有什么问题或者建议
recommend-type

Raspberry Pi OpenCL驱动程序安装与QEMU仿真指南

资源摘要信息:"RaspberryPi-OpenCL驱动程序" 知识点一:Raspberry Pi与OpenCL Raspberry Pi是一系列低成本、高能力的单板计算机,由Raspberry Pi基金会开发。这些单板计算机通常用于教育、电子原型设计和家用服务器。而OpenCL(Open Computing Language)是一种用于编写程序,这些程序可以在不同种类的处理器(包括CPU、GPU和其他处理器)上执行的标准。OpenCL驱动程序是为Raspberry Pi上的应用程序提供支持,使其能够充分利用板载硬件加速功能,进行并行计算。 知识点二:调整Raspberry Pi映像大小 在准备Raspberry Pi的操作系统映像以便在QEMU仿真器中使用时,我们经常需要调整映像的大小以适应仿真环境或为了确保未来可以进行系统升级而留出足够的空间。这涉及到使用工具来扩展映像文件,以增加可用的磁盘空间。在描述中提到的命令包括使用`qemu-img`工具来扩展映像文件`2021-01-11-raspios-buster-armhf-lite.img`的大小。 知识点三:使用QEMU进行仿真 QEMU是一个通用的开源机器模拟器和虚拟化器,它能够在一台计算机上模拟另一台计算机。它可以运行在不同的操作系统上,并且能够模拟多种不同的硬件设备。在Raspberry Pi的上下文中,QEMU能够被用来模拟Raspberry Pi硬件,允许开发者在没有实际硬件的情况下测试软件。描述中给出了安装QEMU的命令行指令,并建议更新系统软件包后安装QEMU。 知识点四:管理磁盘分区 描述中提到了使用`fdisk`命令来检查磁盘分区,这是Linux系统中用于查看和修改磁盘分区表的工具。在进行映像调整大小的过程中,了解当前的磁盘分区状态是十分重要的,以确保不会对现有的数据造成损害。在确定需要增加映像大小后,通过指定的参数可以将映像文件的大小增加6GB。 知识点五:Raspbian Pi OS映像 Raspbian是Raspberry Pi的官方推荐操作系统,是一个为Raspberry Pi量身打造的基于Debian的Linux发行版。Raspbian Pi OS映像文件是指定的、压缩过的文件,包含了操作系统的所有数据。通过下载最新的Raspbian Pi OS映像文件,可以确保你拥有最新的软件包和功能。下载地址被提供在描述中,以便用户可以获取最新映像。 知识点六:内核提取 描述中提到了从仓库中获取Raspberry-Pi Linux内核并将其提取到一个文件夹中。这意味着为了在QEMU中模拟Raspberry Pi环境,可能需要替换或更新操作系统映像中的内核部分。内核是操作系统的核心部分,负责管理硬件资源和系统进程。提取内核通常涉及到解压缩下载的映像文件,并可能需要重命名相关文件夹以确保与Raspberry Pi的兼容性。 总结: 描述中提供的信息详细说明了如何通过调整Raspberry Pi操作系统映像的大小,安装QEMU仿真器,获取Raspbian Pi OS映像,以及处理磁盘分区和内核提取来准备Raspberry Pi的仿真环境。这些步骤对于IT专业人士来说,是在虚拟环境中测试Raspberry Pi应用程序或驱动程序的关键步骤,特别是在开发OpenCL应用程序时,对硬件资源的配置和管理要求较高。通过理解上述知识点,开发者可以更好地利用Raspberry Pi的并行计算能力,进行高性能计算任务的仿真和测试。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

Fluent UDF实战攻略:案例分析与高效代码编写

![Fluent UDF实战攻略:案例分析与高效代码编写](https://databricks.com/wp-content/uploads/2021/10/sql-udf-blog-og-1024x538.png) 参考资源链接:[fluent UDF中文帮助文档](https://wenku.csdn.net/doc/6401abdccce7214c316e9c28?spm=1055.2635.3001.10343) # 1. Fluent UDF基础与应用概览 流体动力学仿真软件Fluent在工程领域被广泛应用于流体流动和热传递问题的模拟。Fluent UDF(User-Defin
recommend-type

如何使用DPDK技术在云数据中心中实现高效率的流量监控与网络安全分析?

在云数据中心领域,随着服务的多样化和用户需求的增长,传统的网络监控和分析方法已经无法满足日益复杂的网络环境。DPDK技术的引入,为解决这一挑战提供了可能。DPDK是一种高性能的数据平面开发套件,旨在优化数据包处理速度,降低延迟,并提高网络吞吐量。具体到实现高效率的流量监控与网络安全分析,可以遵循以下几个关键步骤: 参考资源链接:[DPDK峰会:云数据中心安全实践 - 流量监控与分析](https://wenku.csdn.net/doc/1bq8jittzn?spm=1055.2569.3001.10343) 首先,需要了解DPDK的基本架构和工作原理,特别是它如何通过用户空间驱动程序和大
recommend-type

Apache RocketMQ Go客户端:全面支持与消息处理功能

资源摘要信息:"rocketmq-client-go:Apache RocketMQ Go客户端" Apache RocketMQ Go客户端是专为Go语言开发的RocketMQ客户端库,它几乎涵盖了Apache RocketMQ的所有核心功能,允许Go语言开发者在Go项目中便捷地实现消息的发布与订阅、访问控制列表(ACL)权限管理、消息跟踪等高级特性。该客户端库的设计旨在提供一种简单、高效的方式来与RocketMQ服务进行交互。 核心知识点如下: 1. 发布与订阅消息:RocketMQ Go客户端支持多种消息发送模式,包括同步模式、异步模式和单向发送模式。同步模式允许生产者在发送消息后等待响应,确保消息成功到达。异步模式适用于对响应时间要求不严格的场景,生产者在发送消息时不会阻塞,而是通过回调函数来处理响应。单向发送模式则是最简单的发送方式,只负责将消息发送出去而不关心是否到达,适用于对消息送达不敏感的场景。 2. 发送有条理的消息:在某些业务场景中,需要保证消息的顺序性,比如订单处理。RocketMQ Go客户端提供了按顺序发送消息的能力,确保消息按照发送顺序被消费者消费。 3. 消费消息的推送模型:消费者可以设置为使用推送模型,即消息服务器主动将消息推送给消费者,这种方式可以减少消费者轮询消息的开销,提高消息处理的实时性。 4. 消息跟踪:对于生产环境中的消息传递,了解消息的完整传递路径是非常必要的。RocketMQ Go客户端提供了消息跟踪功能,可以追踪消息从发布到最终消费的完整过程,便于问题的追踪和诊断。 5. 生产者和消费者的ACL:访问控制列表(ACL)是一种权限管理方式,RocketMQ Go客户端支持对生产者和消费者的访问权限进行细粒度控制,以满足企业对数据安全的需求。 6. 如何使用:RocketMQ Go客户端提供了详细的使用文档,新手可以通过分步说明快速上手。而有经验的开发者也可以根据文档深入了解其高级特性。 7. 社区支持:Apache RocketMQ是一个开源项目,拥有活跃的社区支持。无论是使用过程中遇到问题还是想要贡献代码,都可以通过邮件列表与社区其他成员交流。 8. 快速入门:为了帮助新用户快速开始使用RocketMQ Go客户端,官方提供了快速入门指南,其中包含如何设置rocketmq代理和名称服务器等基础知识。 在安装和配置方面,用户通常需要首先访问RocketMQ的官方网站或其在GitHub上的仓库页面,下载最新版本的rocketmq-client-go包,然后在Go项目中引入并初始化客户端。配置过程中可能需要指定RocketMQ服务器的地址和端口,以及设置相应的命名空间或主题等。 对于实际开发中的使用,RocketMQ Go客户端的API设计注重简洁性和直观性,使得Go开发者能够很容易地理解和使用,而不需要深入了解RocketMQ的内部实现细节。但是,对于有特殊需求的用户,Apache RocketMQ社区文档和代码库中提供了大量的参考信息和示例代码,可以用于解决复杂的业务场景。 由于RocketMQ的版本迭代,不同版本的RocketMQ Go客户端可能会引入新的特性和对已有功能的改进。因此,用户在使用过程中应该关注官方发布的版本更新日志,以确保能够使用到最新的特性和性能优化。对于版本2.0.0的特定特性,文档中提到的以同步模式、异步模式和单向方式发送消息,以及消息排序、消息跟踪、ACL等功能,是该版本客户端的核心优势,用户可以根据自己的业务需求进行选择和使用。 总之,rocketmq-client-go作为Apache RocketMQ的Go语言客户端,以其全面的功能支持、简洁的API设计、活跃的社区支持和详尽的文档资料,成为Go开发者在构建分布式应用和消息驱动架构时的得力工具。