mybatisplus查询带上默认字段,比如sql语句最后加上is_del = 0

时间: 2023-08-23 21:12:22 浏览: 252
在 MybatisPlus 中,可以通过在实体类中添加 @TableLogic 注解来实现逻辑删除功能。@TableLogic 注解标记的字段默认值为 1,表示未删除状态,当该字段值为 0 时表示已删除状态。如果需要在查询时自动加上逻辑删除的条件,可以通过全局配置或者在查询方法中手动添加。 全局配置方式: 在 MybatisPlus 的配置文件中添加以下配置: ```xml <global-config> <db-config> <!-- 开启逻辑删除 --> <logic-delete-value>0</logic-delete-value> <logic-not-delete-value>1</logic-not-delete-value> </db-config> </global-config> ``` 这样在查询时,MybatisPlus 会自动在 SQL 语句中添加条件:is_del = 1。 手动添加方式: 在查询方法中使用 QueryWrapper 对象来构建查询条件,可以通过 wrapper.eq() 方法手动添加逻辑删除条件,例如: ```java QueryWrapper<User> wrapper = new QueryWrapper<>(); wrapper.eq("is_del", 0); List<User> userList = userMapper.selectList(wrapper); ``` 这样查询出来的结果就会自动带上逻辑删除的条件。
相关问题

select s.sex as sex, if(s.sex = 0, '女', '男') as sexText, s.political as political, dd.dict_value as politicalText, s.certificate as certificate, dd1.dict_value as certificateText, s.household as household, dd2.dict_value as householdText, s.pay_type as payType, dd3.dict_value as payTypeText, s.enroll_mode as enrollMode, dd4.dict_value as enrollModeText, s.admission_batch as admissionBatch, dd5.dict_value as admissionBatchTypeText, s.cultivation_level as cultivationLevel, dd6.dict_value as cultivationLevelText, s.cultivation_mode as cultivationMode, dd7.dict_value as cultivationModeText, s.learning_type as learningType, dd8.dict_value as learningTypeText, s.subject as subject, dd9.dict_value as subjectText, dd.is_del as is_del, dd.status as status from student as s left join data_dictionary as dd on s.political = dd.id left join data_dictionary as dd1 on s.certificate = dd1.id left join data_dictionary as dd2 on s.household = dd2.id left join data_dictionary as dd3 on s.pay_type = dd3.id left join data_dictionary as dd4 on s.enroll_mode = dd4.id left join data_dictionary as dd5 on s.admission_batch = dd5.id left join data_dictionary as dd6 on s.cultivation_level = dd6.id left join data_dictionary as dd7 on s.cultivation_mode = dd7.id left join data_dictionary as dd8 on s.learning_type = dd8.id left join data_dictionary as dd9 on s.subject = dd9.id where 1 = 1 and dd9.is_del = 1 and dd9.status = 1 and dd8.is_del = 1 and dd8.status = 1 and dd7.is_del = 1 and dd7.status = 1 and dd6.is_del = 1 and dd6.status = 1 and dd5.is_del = 1 and dd5.status = 1 and dd4.is_del = 1 and dd4.status = 1 and dd3.is_del = 1 and dd3.status = 1 and dd2.is_del = 1 and dd2.status = 1 and dd1.is_del = 1 and dd1.status = 1 and dd.is_del = 1 and dd.status = 1

这是一个 SQL 查询语句,用于查询学生信息表(student)中的各个字段,并通过左连接查询各个字段对应的字典表(data_dictionary)中的对应值。其中,查询的字段包括性别、政治面貌、证件类型、户籍类型、缴费类型、入学方式、录取批次、培养层次、培养方式、学习类型、专业等,并将对应的字典值查询出来。同时,WHERE 子句中包括了一系列过滤条件,用于限定查询结果的范围。

优化 SELECT * FROM tbl_park_recode t WHERE car_number = '贵EUY662' and is_color = 1 AND is_out_site=0 AND is_fee!='-2' AND del_flag!=1 order by t.in_site_time desc limit 1

这个SQL查询语句的优化可以考虑以下几个方面: 1. 添加索引 在 `tbl_park_recode` 表中,可以考虑为 `car_number`、`is_color`、`is_out_site`、`is_fee`、`del_flag`、`in_site_time` 字段添加索引,以加快查询速度。 2. 使用字段列表代替 * 在查询语句中,使用字段列表代替 * 可以减少不必要的数据传输,提高查询效率。 3. 避免使用不等于操作符 在查询语句中,使用不等于操作符 `!=` 可能会导致索引失效,影响查询效率。可以使用其他方式代替,比如使用 `>` 或 `<`。 4. 避免使用函数 在查询语句中,使用函数可能会导致索引失效,影响查询效率。可以使用其他方式代替,比如使用范围查询。 综上所述,一个优化后的查询语句可能如下所示: ``` SELECT car_number, is_color, is_out_site, is_fee, del_flag, in_site_time FROM tbl_park_recode WHERE car_number = '贵EUY662' AND is_color = 1 AND is_out_site = 0 AND is_fee > -2 AND del_flag <> 1 ORDER BY in_site_time DESC LIMIT 1; ``` 同时,为了进一步提高查询效率,可以考虑对表结构进行优化,比如拆分大表、合并小表、增加冗余字段等。
阅读全文

相关推荐

SELECT t1.supplier_id, t1.ky_count, t1.ky_amount, IFNULL(t2.ky_refund_count,0) as ky_refund_count, IFNULL(t2.ky_refund_amount,0) as ky_refund_amount FROM ( SELECT a.supplier_id, count( DISTINCT c.order_no ) AS ky_count, SUM( IFNULL( c.record_amount, 0 )) / 100 AS ky_amount FROM settle_order a INNER JOIN settle_order_receipt b ON a.order_id = b.order_id INNER JOIN cash_withdrawal_record c ON b.third_trade_no = c.order_no WHERE a.is_del = 0 AND a.order_time >= '2023-05-28 00:00:00' AND a.order_time < '2023-05-29 00:00:00' AND a.order_type in (70,75) AND a.supplier_id IN (78,63,58,57,64,72,71,74,83,77,70,69,67,82,65,87,73,59,66,60,86,85,79,80,84,90) AND b.channel_code = 61 AND c.con_bank_account_no IN ( 247, 325 ) AND c.record_status = 1 AND c.record_time > '2023-05-01 00:00:00' GROUP BY a.supplier_id ) t1 LEFT JOIN ( SELECT a.supplier_id, count( DISTINCT b.order_no ) AS ky_refund_count, SUM( IFNULL( b.record_amount, 0 )) / 100 AS ky_refund_amount FROM settle_order_refund a INNER JOIN cash_withdrawal_record b ON a.third_refund_id = b.order_no WHERE a.is_del = 0 AND a.order_type in (70,75) AND a.apply_time >= '2023-05-28 00:00:00' AND a.apply_time < '2023-05-29 00:00:00' AND a.supplier_id IN (78,63,58,57,64,72,71,74,83,77,70,69,67,82,65,87,73,59,66,60,86,85,79,80,84,90) AND a.channel_code = 61 AND b.con_bank_account_no IN ( 247, 325 ) AND b.record_status = 5 AND b.record_time > '2023-05-01 00:00:00' GROUP BY a.supplier_id ) t2 ON t1.supplier_id = t2.supplier_id order by t1.supplier_id asc

import arcpy # 获取参数 input_features = arcpy.GetParameterAsText(0) join_field = arcpy.GetParameterAsText(1) target_feature = arcpy.GetParameterAsText(2) target_field = arcpy.GetParameterAsText(3) area_threshold = arcpy.GetParameterAsText(4) # 创建空间连接 join_result = arcpy.SpatialJoin_analysis(input_features, target_feature, "in_memory/spatial_join", "JOIN_ONE_TO_ONE", "KEEP_ALL", "", "INTERSECT") # 使用MakeFeatureLayer创建要素图层,并使用AddFieldDelimiters处理字段名称 join_layer = arcpy.management.MakeFeatureLayer(join_result, "join_layer").getOutput(0) join_field_name = arcpy.AddFieldDelimiters(join_layer, join_field) # 使用SelectLayerByAttribute选择重叠面积大于阈值的要素 arcpy.management.SelectLayerByAttribute(join_layer, "NEW_SELECTION", "Shape_Area > " + str(area_threshold)) # 使用SummaryStatistics工具进行面积求和 summary_table = arcpy.Statistics_analysis(join_layer, "in_memory/summary_table", [["Shape_Area", "SUM"]], join_field_name) # 使用TableToNumPyArray将结果转换为字典 sum_dict = {} with arcpy.da.TableToNumPyArray(summary_table, [join_field, "SUM_Shape_Area"]) as arr: for row in arr: sum_dict[row[0]] = row[1] # 使用UpdateCursor更新目标要素类的目标字段 with arcpy.da.UpdateCursor(target_feature, [target_field, join_field], sql_clause=(None, "ORDER BY OBJECTID")) as cursor: for row in cursor: join_value = row[1] if join_value in sum_dict: area_sum = sum_dict[join_value] row[0] = area_sum cursor.updateRow(row) # 导出结果 output_feature = arcpy.GetParameterAsText(5) arcpy.CopyFeatures_management(target_feature, output_feature) # 删除游标对象和要素图层对象 del cursor, join_layer运行错误: Traceback (most recent call last): File "D:\实验2\空间连接.py", line 25, in <module> AttributeError: __exit__ 执行(ccc)失败。

import sys sys.tracebacklimit = 0 import os os.environ['PYTHONUNBUFFERED'] = '1' import arcpy # 获取参数 input_features = arcpy.GetParameterAsText(0) join_field = arcpy.GetParameterAsText(1) target_feature = arcpy.GetParameterAsText(2) target_field = arcpy.GetParameterAsText(3) area_threshold = arcpy.GetParameterAsText(4) # 创建空间连接 join_result = arcpy.SpatialJoin_analysis(input_features, target_feature, "in_memory/spatial_join", "JOIN_ONE_TO_ONE", "KEEP_ALL", "", "INTERSECT") # 使用MakeFeatureLayer创建要素图层,并使用AddFieldDelimiters处理字段名称 join_layer = arcpy.management.MakeFeatureLayer(join_result, "join_layer").getOutput(0) join_field_name = arcpy.AddFieldDelimiters(join_layer, join_field) # 使用SelectLayerByAttribute选择重叠面积大于阈值的要素 arcpy.management.SelectLayerByAttribute(join_layer, "NEW_SELECTION", "Shape_Area > " + str(area_threshold)) # 使用SummaryStatistics工具进行面积求和 summary_table = arcpy.Statistics_analysis(join_layer, "in_memory/summary_table", [["Shape_Area", "SUM"]], [join_field_name]) # 使用TableToNumPyArray将结果转换为字典 sum_dict = {} with arcpy.da.TableToNumPyArray(summary_table, [join_field, "SUM_Shape_Area"]) as arr: for row in arr: sum_dict[row[0]] = row[1] # 使用UpdateCursor更新目标要素类的目标字段 with arcpy.da.UpdateCursor(target_feature, [target_field, join_field], sql_clause=(None, "ORDER BY OBJECTID")) as cursor: for row in cursor: join_value = row[1] if join_value in sum_dict: area_sum = sum_dict[join_value] row[0] = area_sum cursor.updateRow(row) # 导出结果 output_feature = arcpy.GetParameterAsText(5) arcpy.CopyFeatures_management(target_feature, output_feature) # 删除游标对象和要素图层对象 del cursor, join_layer运行错误:Traceback (most recent call last): ExecuteError: 执行失败。参数无效。 WARNING 000725: 输出表: 数据集 in_memory\summary_table 已存在。 ERROR 000728: 表中不存在字段 "数据" 执行(Statistics)失败。 执行(ccc)失败。请改正代码

import syssys.tracebacklimit = 0import osos.environ['PYTHONUNBUFFERED'] = '1'import arcpy# 获取参数input_features = arcpy.GetParameterAsText(0)join_field = arcpy.GetParameterAsText(1)target_feature = arcpy.GetParameterAsText(2)target_field = arcpy.GetParameterAsText(3)area_threshold = arcpy.GetParameterAsText(4)# 创建空间连接join_result = arcpy.SpatialJoin_analysis(input_features, target_feature, "in_memory/spatial_join", "JOIN_ONE_TO_ONE", "KEEP_ALL", "", "INTERSECT")# 使用MakeFeatureLayer创建要素图层,并使用AddFieldDelimiters处理字段名称join_layer = arcpy.management.MakeFeatureLayer(join_result, "join_layer").getOutput(0)join_field_name = arcpy.AddFieldDelimiters(join_layer, join_field)# 使用SelectLayerByAttribute选择重叠面积大于阈值的要素arcpy.management.SelectLayerByAttribute(join_layer, "NEW_SELECTION", "Shape_Area > " + str(area_threshold))# 使用SummaryStatistics工具进行面积求和summary_table = arcpy.Statistics_analysis(join_layer, "in_memory/summary_table", [[join_field_name, "SUM_Shape_Area"]], [join_field_name])# 使用TableToNumPyArray将结果转换为字典sum_dict = {}with arcpy.da.TableToNumPyArray(summary_table, [join_field, "SUM_Shape_Area"]) as arr: for row in arr: sum_dict[row[0]] = row[1]# 使用UpdateCursor更新目标要素类的目标字段with arcpy.da.UpdateCursor(target_feature, [target_field, join_field], sql_clause=(None, "ORDER BY OBJECTID")) as cursor: for row in cursor: join_value = row[1] if join_value in sum_dict: area_sum = sum_dict[join_value] row[0] = area_sum cursor.updateRow(row)# 导出结果output_feature = arcpy.GetParameterAsText(5)arcpy.CopyFeatures_management(target_feature, output_feature)# 删除游标对象和要素图层对象del cursor, join_layer运行错误Traceback (most recent call last): ExecuteError: 执行失败。参数无效。 WARNING 000725: 输出表: 数据集 in_memory\summary_table 已存在。 ERROR 000800: 该值不是 SUM | MEAN | MIN | MAX | RANGE | STD | COUNT | FIRST | LAST 的成员。 ERROR 000728: 表中不存在字段 "数据" 执行(Statistics)失败。请改正代码

最新推荐

recommend-type

一个使用Androidstudio开发的校园通知APP

一个使用AndroidStudio开发的校园通知APP,支持注册登录,支持聊天,后端技术:http get post 方法(分别有json数据格式和form数据格式),websocket长连接,用于接收消息,mqtt协议用于查看数据。
recommend-type

基于粒子群的ieee30节点优化、配电网有功-无功优化 软件:Matlab+Matpowre 介绍:对配电网中有功-无功协调优化调度展开研究,通过对光伏电源、储能装置、无功电源和变压器分接头等设备协调

基于粒子群的ieee30节点优化、配电网有功-无功优化 软件:Matlab+Matpowre 介绍:对配电网中有功-无功协调优化调度展开研究,通过对光伏电源、储能装置、无功电源和变压器分接头等设备协调控制,以实现光伏利用率最大、网络损耗最小、电压质量最优的综合优化目标。 采用粒子群算法寻求最优解,得到配电网的调控策略,从而制定合理的优化运行方案。 最后通过算例分析,说明其合理性。 Matpowre(需要Matpowre请安装不然会有错)
recommend-type

C#自定义事件 2024年12月23日

通过自定义事件来传值。此种方法适合于写驱动程序。进行数据采集。 对于一般的系统事件,是有两个参数的,一个是sender,一个是EventArgs,对于sender,个事件的触发者,一般指向的是一个控件,但是对于EventArgs,一般常用来传递鼠标位置等信息,下面就自定义事件传值就是通过EventArgs来实现。 通过EventArgs来实现传值,我们首先需要创建一个类,继承EventArgs,我们可以将需要传递的数据,直接在类里面定义成属性,这里以传递一个布尔(没有再最终的代码内使用)、一个浮点数,一个字符串为例,
recommend-type

GitHub图片浏览插件:直观展示代码中的图像

资源摘要信息: "ImagesOnGitHub-crx插件" 知识点概述: 1. 插件功能与用途 2. 插件使用环境与限制 3. 插件的工作原理 4. 插件的用户交互设计 5. 插件的图标和版权问题 6. 插件的兼容性 1. 插件功能与用途 插件"ImagesOnGitHub-crx"设计用于增强GitHub这一开源代码托管平台的用户体验。在GitHub上,用户可以浏览众多的代码仓库和项目,但GitHub默认情况下在浏览代码仓库时,并不直接显示图像文件内容,而是提供一个“查看原始文件”的链接。这使得用户体验受到一定限制,特别是对于那些希望直接在网页上预览图像的用户来说不够方便。该插件正是为了解决这一问题,允许用户在浏览GitHub上的图像文件时,无需点击链接即可直接在当前页面查看图像,从而提供更为流畅和直观的浏览体验。 2. 插件使用环境与限制 该插件是专为使用GitHub的用户提供便利的。它能够在GitHub的代码仓库页面上发挥作用,当用户访问的是图像文件页面时。值得注意的是,该插件目前只支持".png"格式的图像文件,对于其他格式如.jpg、.gif等并不支持。用户在使用前需了解这一限制,以免在期望查看其他格式文件时遇到不便。 3. 插件的工作原理 "ImagesOnGitHub-crx"插件的工作原理主要依赖于浏览器的扩展机制。插件安装后,会监控用户在GitHub上的操作。当用户访问到图像文件对应的页面时,插件会通过JavaScript检测页面中的图像文件类型,并判断是否为支持的.png格式。如果是,它会在浏览器地址栏的图标位置上显示一个小octocat图标,用户点击这个图标即可触发插件功能,直接在当前页面上查看到图像。这一功能的实现,使得用户无需离开当前页面即可预览图像内容。 4. 插件的用户交互设计 插件的用户交互设计体现了用户体验的重要性。插件通过在地址栏中增加一个小octocat图标来提示用户当前页面有图像文件可用,这是一种直观的视觉提示。用户通过简单的点击操作即可触发查看图像的功能,流程简单直观,减少了用户的学习成本和操作步骤。 5. 插件的图标和版权问题 由于插件设计者在制作图标方面经验不足,因此暂时借用了GitHub的标志作为插件图标。插件的作者明确表示,如果存在任何错误或版权问题,将会进行更改。这体现了开发者对知识产权尊重的态度,同时也提醒了其他开发者在使用或设计相关图标时应当考虑到版权法律的约束,避免侵犯他人的知识产权。 6. 插件的兼容性 插件的兼容性是评估其可用性的重要标准之一。由于插件是为Chrome浏览器的用户所设计,因此它使用了Chrome扩展程序的标准格式,即.crx文件。用户需要通过浏览器的扩展程序管理界面进行安装。尽管目前插件仅支持.png图像格式,但对于希望在GitHub上浏览.png图像文件的用户来说,已经提供了非常实用的功能。未来,若开发者计划拓展插件支持的文件格式或适用于其他浏览器,则需要考虑到对现有代码的扩展和兼容性测试。 总结: "ImagesOnGitHub-crx"插件通过创新的用户体验设计,解决了GitHub在浏览图像文件时的一些局限性,使得图像浏览更加直观和便捷。尽管目前该插件存在一些限制,如仅支持.png格式和仅在Chrome浏览器中可用,但它为用户和开发者提供了良好的思路和实践。对于希望提高效率和增强功能的用户来说,这类工具扩展了GitHub的实用性,是开发人员工具箱中的一个有益补充。
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

【OPPO手机故障诊断专家】:工程指令快速定位与解决

![【OPPO手机故障诊断专家】:工程指令快速定位与解决](https://www.consumerelectronicstestdevelopment.com/media/2hlomnxy/oppo.jpg?anchor=center&mode=crop&width=1002&height=564&bgcolor=White&rnd=132773815380200000) # 摘要 本文综述了OPPO手机故障诊断的技术细节,涵盖了工程指令的基础理论、实践应用、高级技巧以及未来发展方向。首先介绍了工程指令的定义、分类、执行环境及其与手机系统交互的重要性。随后,深入探讨了工程指令在初步故障诊断
recommend-type

求[100,900]之间相差为12的素数对(注:要求素数对的两个素数均在该范围内)的个数

求解 [100, 900] 范围内相差为 12 的素数对,首先我们需要确定哪些数在这个区间内是素数。然后筛选出它们成对出现且差值为 12 的情况。 1. 确定素数范围内的素数:我们可以编写一个简单的程序来检查每个数字是否为素数,如果数字大于 1,并且除 2 到其平方根之间的所有整数都不能整除它,那么这个数字就是素数。 2. 遍历并寻找符合条件的素数对:从较大的素数开始向下遍历,找到的第一个素数作为“较大”素数,然后查看比它小 12 的下一个数,如果这个数也是素数,则找到了一对符合条件的素数。 3. 统计素数对的数量:统计在给定范围内找到的这种差距为 12 的素数对的数量。 由于计算素数
recommend-type

Android IPTV项目:直播频道的实时流媒体实现

资源摘要信息:"IPTV:直播IPTV的Android项目是一个基于Android平台的实时流式传输应用。该项目允许用户从M3U8或M3U格式的链接或文件中获取频道信息,并将这些频道以网格或列表的形式展示。用户可以在应用内选择并播放指定的频道。该项目的频道列表是从一个预设的列表中加载的,并且通过解析M3U或M3U8格式的文件来显示频道信息。开发者还计划未来更新中加入Exo播放器以及电子节目单功能,以增强用户体验。此项目使用了多种技术栈,包括Java、Kotlin以及Kotlin Android扩展。" 知识点详细说明: 1. IPTV技术: IPTV(Internet Protocol Television)即通过互联网协议提供的电视服务。它与传统的模拟或数字电视信号传输方式不同,IPTV通过互联网将电视内容以数据包的形式发送给用户。这种服务使得用户可以按需观看电视节目,包括直播频道、视频点播(VOD)、时移电视(Time-shifted TV)等。 2. Android开发: 该项目是针对Android平台的应用程序开发,涉及到使用Android SDK(软件开发工具包)进行应用设计和功能实现。Android应用开发通常使用Java或Kotlin语言,而本项目还特别使用了Kotlin Android扩展(Kotlin-Android)来优化开发流程。 3. 实时流式传输: 实时流式传输是指媒体内容以连续的流形式进行传输的技术。在IPTV应用中,实时流式传输保证了用户能够及时获得频道内容。该项目可能使用了HTTP、RTSP或其他流媒体协议来实现视频流的实时传输。 4. M3U/M3U8文件格式: M3U(Moving Picture Experts Group Audio Layer 3 Uniform Resource Locator)是一种常用于保存播放列表的文件格式。M3U8则是M3U格式的扩展版本,支持UTF-8编码,常用于苹果设备。在本项目中,M3U/M3U8文件被用来存储IPTV频道信息,如频道名称、视频流URL等。 5. Exo播放器: ExoPlayer是谷歌官方提供的一个开源视频播放器,专为Android优化。它支持多种特性,如自定义字幕、HDR视频播放、无缝直播等。ExoPlayer通常用于处理IPTV应用中的视频流媒体播放需求。 6. 电子节目单(EPG): 电子节目单是IPTV应用中一项重要功能,它为用户提供频道的节目指南,包括当前播放的节目以及未来节目的安排。电子节目单一般以网格或列表形式展示,方便用户浏览和搜索节目信息。 7. 开源贡献文化: 该项目提到了欢迎贡献者,表明这是一个开源项目。在开源文化中,开发者社区鼓励用户、开发者贡献代码来改进项目,这是一个共享知识、共同进步的过程。参与者通过贡献代码、报告问题或提供文档帮助等方式参与项目。 8. Kotlin编程语言: Kotlin是一种运行在Java虚拟机上的静态类型编程语言,它与Java完全兼容并可以无缝集成Java代码。Kotlin以其简洁、安全和富有表现力的特点被越来越多的Android开发者采用。在本项目中,使用Kotlin可以简化代码结构,提高开发效率和应用性能。 总结而言,本项目是一个面向Android平台的实时流媒体IPTV应用开发项目,它整合了实时流式传输、M3U/M3U8文件解析、Exo播放器使用、电子节目单功能等关键技术点,并在开源社区中寻求贡献者的参与。通过本项目,开发者可以深入了解如何在Android平台上实现IPTV服务,并学习到使用Kotlin和Java等编程语言进行Android应用开发的相关知识。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

【OPPO手机工程模式终极指南】:掌握这些秘籍,故障排查不再难!

![【OPPO手机工程模式终极指南】:掌握这些秘籍,故障排查不再难!](https://i02.appmifile.com/mi-com-product/fly-birds/redmi-note-13/M/23e4e9fd45b41a172a59f811e3d1406d.png) # 摘要 OPPO手机工程模式是为高级用户和开发者设计的一组调试和诊断工具集,它能够帮助用户深入了解手机硬件信息、进行测试和故障诊断,并优化设备性能。本文将对OPPO工程模式进行系统性的介绍,包括如何进入和安全退出该模式,详述其中的基础与高级功能,并提供实用的故障诊断和排查技巧。同时,本文还将探讨如何利用工程模式对