为含有分区及子分区的模型添加分区。
无详细内容 无 create or replace procedure p_test_gy(v_datacycle_id varchar2, --添加分区的上限值 v_entity_owner varchar2, v_entity_name varchar2, v_retcode out varchar2, v_retinfo out varchar2) is v_cnt1 number; --实体检测 v_cnt2 number; --
create or replace procedure p_test_gy(v_datacycle_id varchar2, --添加分区的上限值 v_entity_owner varchar2, v_entity_name varchar2, v_retcode out varchar2, v_retinfo out varchar2) is v_cnt1 number; --实体检测 v_cnt2 number; --分区是否存在检测 v_cnt3 number; --模板子分区是否存在检测 v_part_type varchar2(30); --分区类型 v_subpart_type varchar2(30); --子分区类型 v_part_value_max varchar2(30); --分区最大值 v_part_style varchar2(30); --分区命名格式 v_part_value varchar2(30); --分区值变量 v_sql varchar2(4000); --动态执行SQL v_sub_template varchar2(4000); --调整模板子分区 v_high_value long; --子分区值变量 v_subpart_value varchar2(30); --子分区值变量 /*v_pkg v_procname */ begin /*--插入日志部分 p_insert_log(v_acct_month, v_pkg, v_procname, v_prov_id, sysdate, '');*/ --检测输入参数是否有误 select count(0) into v_cnt1 from sys.dba_objects where owner = v_entity_owner and object_name = v_entity_name and object_type = 'TABLE'; if v_cnt1 = 0 then v_retcode := 'FAIL'; v_retinfo := '目标表信息输入有误'; else --检测目标表有无分区 select count(0) into v_cnt2 from sys.dba_part_tables t where t.owner = v_entity_owner and t.table_name = v_entity_name; if v_cnt2 = 0 then v_retcode := 'SUCCESS'; v_retinfo := '目标表无分区'; else --检测分区是否已存在 select regexp_replace(max(t.partition_name), '[^0-9]', ''), regexp_replace(max(t.partition_name), '[0-9]', '') into v_part_value_max, v_part_style from sys.dba_tab_partitions t where t.table_owner = v_entity_owner and t.table_name = v_entity_name; select partitioning_type, subpartitioning_type into v_part_type, v_subpart_type from sys.dba_part_tables t where t.owner = v_entity_owner and t.table_name = v_entity_name; --分区已存在&分区是LIST/HASH分区 if v_part_value_max >= v_datacycle_id OR v_part_type <> 'RANGE' then v_retcode := 'SUCCESS'; v_retinfo := '分区已存在'; else select count(0) into v_cnt3 from sys.dba_subpartition_templates where table_name = v_entity_name and user_name = v_entity_owner; --无子分区&有子分区且为模板子分区 if v_part_type = 'RANGE' AND ((v_subpart_type = 'LIST' AND v_cnt3 <> 0) OR nvl(v_subpart_type, '**') = 'NONE') then v_part_value := to_char(add_months(to_date(v_part_value_max, 'yyyymm'), 1), 'yyyymm'); while v_part_value <= v_datacycle_id loop v_sql := 'alter table ' || v_entity_owner || '.' || v_entity_name || ' add partition ' || v_part_style || v_part_value || ' values less than (''' || to_char(add_months(to_date(v_part_value, 'yyyymm'), 1), 'yyyymm') || ''') tablespace '; --日志检索 /*dbms_output.put_line(v_sql);*/ --需要分配分区(或者建表设置默认表空间) execute immediate v_sql; v_part_value := to_char(add_months(to_date(v_part_value, 'yyyymm'), 1), 'yyyymm'); end loop; v_retcode := 'SUCCESS'; v_retinfo := '成功'; else /*--顺序不太好看 select rtrim(wmsys.wm_concat(' subpartition ' || substr(subpartition_name,length(partition_name)+2) || ' values ( ''' || regexp_replace(substr(subpartition_name, length(partition_name)+2),'[^0-9]','') || ''' ) '),',') into v_sub_template from sys.dba_tab_subpartitions where table_owner = v_entity_owner and partition_name = v_part_value_max and table_name = v_entity_name;*/ --有子分区且非模板子分区 v_sub_template := 'alter table ' || v_entity_owner || '.' || v_entity_name || ' set subpartition template('; --''' ||regexp_replace(substr(subpartition_name,length(partition_name) + 2),'[^0-9]','') || ''' for t in (select /*+parallel(sub,4)*/* from sys.dba_tab_subpartitions sub where table_owner = v_entity_owner and partition_name = v_part_style || v_part_value_max and table_name = v_entity_name order by length(regexp_replace(subpartition_name, '[0-9]', '')),subpartition_name) loop v_high_value:=t.high_value; v_subpart_value:=substr(v_high_value,1,4000); /*if v_subpart_value= 'DEFAULT' then v_subpart_value:='''DEFAULT'''; end if;*/ v_sub_template := v_sub_template ||' subpartition ' || substr(t.subpartition_name, length(t.partition_name) + 2) || ' values ( '||v_subpart_value||' ) ,' ; end loop; --日志检索 dbms_output.put_line(rtrim(v_sub_template, ',') || ')'); insert into dm_check_log select rtrim(v_sub_template, ',') || ')', v_datacycle_id, sysdate from dual; commit; execute immediate rtrim(v_sub_template, ',') || ')'; v_part_value := to_char(add_months(to_date(v_part_value_max, 'yyyymm'), 1), 'yyyymm'); while v_part_value <= v_datacycle_id loop v_sql := 'alter table ' || v_entity_owner || '.' || v_entity_name || ' add partition ' || v_part_style || v_part_value || ' values less than (''' || to_char(add_months(to_date(v_part_value, 'yyyymm'), 1), 'yyyymm') || ''') tablespace '; /*dbms_output.put_line(v_sql);*/ execute immediate v_sql; --需要分配分区(或者建表设置默认表空间) v_part_value := to_char(add_months(to_date(v_part_value, 'yyyymm'), 1), 'yyyymm'); end loop; v_retcode := 'SUCCESS'; v_retinfo := '成功'; end if; end if; end if; end if; end;

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

想像一下,一個人工智慧模型,不僅擁有超越傳統運算的能力,還能以更低的成本實現更有效率的效能。這不是科幻,DeepSeek-V2[1],全球最強開源MoE模型來了。 DeepSeek-V2是一個強大的專家混合(MoE)語言模型,具有訓練經濟、推理高效的特點。它由236B個參數組成,其中21B個參數用於啟動每個標記。與DeepSeek67B相比,DeepSeek-V2效能更強,同時節省了42.5%的訓練成本,減少了93.3%的KV緩存,最大生成吞吐量提高到5.76倍。 DeepSeek是一家探索通用人工智

AI,的確正在改變數學。最近,一直十分關注這個議題的陶哲軒,轉發了最近一期的《美國數學學會通報》(BulletinoftheAmericanMathematicalSociety)。圍繞著「機器會改變數學嗎?」這個話題,許多數學家發表了自己的觀點,全程火花四射,內容硬核,精彩紛呈。作者陣容強大,包括菲爾茲獎得主AkshayVenkatesh、華裔數學家鄭樂雋、紐大電腦科學家ErnestDavis等多位業界知名學者。 AI的世界已經發生了天翻地覆的變化,要知道,其中許多文章是在一年前提交的,而在這一

谷歌力推的JAX在最近的基準測試中表現已經超過Pytorch和TensorFlow,7項指標排名第一。而且測試並不是JAX性能表現最好的TPU上完成的。雖然現在在開發者中,Pytorch依然比Tensorflow更受歡迎。但未來,也許有更多的大型模型會基於JAX平台進行訓練和運行。模型最近,Keras團隊為三個後端(TensorFlow、JAX、PyTorch)與原生PyTorch實作以及搭配TensorFlow的Keras2進行了基準測試。首先,他們為生成式和非生成式人工智慧任務選擇了一組主流

本月初,來自MIT等機構的研究者提出了一種非常有潛力的MLP替代方法—KAN。 KAN在準確性和可解釋性方面表現優於MLP。而且它能以非常少的參數量勝過以更大參數量運行的MLP。例如,作者表示,他們用KAN以更小的網路和更高的自動化程度重現了DeepMind的結果。具體來說,DeepMind的MLP有大約300,000個參數,而KAN只有約200個參數。 KAN與MLP一樣具有強大的數學基礎,MLP基於通用逼近定理,而KAN基於Kolmogorov-Arnold表示定理。如下圖所示,KAN在邊上具

波士頓動力Atlas,正式進入電動機器人時代!昨天,液壓Atlas剛「含淚」退出歷史舞台,今天波士頓動力就宣布:電動Atlas上崗。看來,在商用人形機器人領域,波士頓動力是下定決心要跟特斯拉硬剛一把了。新影片放出後,短短十幾小時內,就已經有一百多萬觀看。舊人離去,新角色登場,這是歷史的必然。毫無疑問,今年是人形機器人的爆發年。網友銳評:機器人的進步,讓今年看起來像人類的開幕式動作、自由度遠超人類,但這真不是恐怖片?影片一開始,Atlas平靜地躺在地上,看起來應該是仰面朝天。接下來,讓人驚掉下巴

特斯拉機器人Optimus最新影片出爐,已經可以在工廠裡打工了。正常速度下,它分揀電池(特斯拉的4680電池)是這樣的:官方還放出了20倍速下的樣子——在小小的「工位」上,揀啊揀啊揀:這次放出的影片亮點之一在於Optimus在廠子裡完成這項工作,是完全自主的,全程沒有人為的干預。而且在Optimus的視角之下,它還可以把放歪了的電池重新撿起來放置,主打一個自動糾錯:對於Optimus的手,英偉達科學家JimFan給出了高度的評價:Optimus的手是全球五指機器人裡最靈巧的之一。它的手不僅有觸覺

許多用戶在現代生活中越來越青睞小米智慧家庭互聯的電子生態,那麼連接米家APP後,你就可以輕鬆用手機來控制連接設備,但是很多用戶們還不知如何將自己的家居添加米家app中,那麼這篇教學攻略將為大家帶來具體連接方法步驟攻略,希望能幫助到各位有需要的小夥伴們。 1.下載米家APP後,建立或登入小米帳號。 2.添加方法:當全新的設備通電後,將手機靠近設備並打開小米電視,正常情況下會彈出連接提示,選擇“確定”即進入設備連接流程。若無提示彈出,也可以手動新增設備,方法是:進入智慧型家庭APP後,點選左下方第1

寫在前面項目連結:https://nianticlabs.github.io/mickey/給定兩張圖片,可以透過建立圖片之間的對應關係來估計它們之間的相機姿態。通常,這些對應關係是二維到二維的,而我們估計的姿態在尺度上是不確定的。一些應用,例如隨時隨地實現即時增強現實,需要尺度度量的姿態估計,因此它們依賴外部的深度估計器來恢復尺度。本文提出了MicKey,這是一個關鍵點匹配流程,能夠夠預測三維相機空間中的度量對應關係。透過學習跨影像的三維座標匹配,我們能夠在沒有深度測試的情況下推斷度量相對
