BIM的数据库有哪些，ORM型的数据库有哪些

1，ORM型的数据库有哪些

现在常用的这些数据库都是ORM的，ORACLE SQLSERVER DB2 ACCESS MYSQL……

ORM型的数据库有哪些

2，keyvalue 数据库有哪些

key-value数据库是一个高性能的内存对象缓存系统，用于动态Web应用以减轻数据库负载，不存在关系型数据库。它通过在内存中缓存数据和对象来减少读取数据库的次数，从而提高动态、数据库驱动网站的速度。

keyvalue 数据库有哪些

3，有哪些已存在的三维模型数据库

分为“主要文件，次要文件，事物日志文件”，其中“主要文件和事物日志文件”是必须存在的。

现在信息发展较快，人们对数据的要求也逐渐增强，之前二维的地图不能满足工作等方面的需求，建立三维建筑物数据库作为数字城市或者数字地球的一部分，建立城市直观印象，对路径查询、导航均由非常重要的意义。国内已经上线的三维城市地图，如e都市（2.5维）希望能帮到你

有哪些已存在的三维模型数据库

4，除了mnist手写字体数据库有哪些

1 cifar10数据库　　60000张32*32 彩色图片共10类　　50000张训练　　10000张测试　　下载cifar10数据库　　这是binary格式的，所以我们要把它转换成leveldb格式。　　2 在../caffe-windows/examples/cifar10文件夹中有一个 convert_cifar_data.cpp　　将他include到MainCaller.cpp中。如下：　　编译....我是一次就通过了，在bin文件夹里出现convert_cifar_data.exe。然后就可以进行格式转换。binary→leveldb　　可以在bin文件夹下新建一个input文件夹。将cifar10.binary文件放在input文件夹中，这样转换时就不用写路径了。　　cmd进入bin文件夹　　执行后，在output文件夹下有cifar_train_leveldb和cifar_test_leveldb两个文件夹。里面是转化好的leveldb格式数据。　　当然，也可以写一个bat文件处理，方便以后再次使用。　　3 下面我们要求数据图像的均值　　编译../../tools/comput_image_mean.cpp　　编译成功后。接下来求mean　　cmd进入bin。　　执行后，在bin文件夹下出现一个mean.binaryproto文件，这就是所需的均值文件。　　4 训练cifar网络　　在.../examples/cifar10文件夹里已经有网络的配置文件，我们只需要将cifar_train_leveldb和cifar_test_leveldb两个文件夹还有mean.binaryproto文件拷到cifar0文件夹下。　　修改cifar10_quick_train.prototxt中的source: "cifar-train-leveldb" mean_file: "mean.binaryproto" 和cifar10_quick_test.prototxt中的source: "cifar-test-leveldb"　　mean_file: "mean.binaryproto"就可以了，　　后面再训练就类似于MNIST的训练。写一个train_quick.bat，内容如下：　　[plain] view plaincopy　　copy ..\\..\\bin\\MainCaller.exe ..\\..\\bin\\train_net.exe　　SET GLOG_logtostderr=1　　"../../bin/train_net.exe" cifar10_quick_solver.prototxt　　pause

任务占坑

5，nosql数据库有哪些

NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，是一项全新的数据库革命性运动，早期就有人提出，发展至2009年趋势越发高涨。NoSQL的拥护者们提倡运用非关系型的数据存储，相对于铺天盖地的关系型数据库运用，这一概念无疑是一种全新的思维的注入。随着大数据的不断发展，非关系型的数据库现在成了一个极其热门的新领域，非关系数据库产品的发展非常迅速。现今的计算机体系结构在数据存储方面要有庞大的水平扩展性，而NoSQL也正是致力于改变这一现状。目前Google的 BigTable和Amazon 的Dynamo使用的就是NoSQL型数据库，本文介绍了10种出色的NoSQL数据库。虽然NoSQL流行语火起来才短短一年的时间，但是不可否认，现在已经开始了第二代运动。尽管早期的堆栈代码只能算是一种实验，然而现在的系统已经更加的e799bee5baa6e997aee7ad94e58685e5aeb931333337386632成熟、稳定。不过现在也面临着一个严酷的事实：技术越来越成熟——以至于原来很好的NoSQL数据存储不得不进行重写，也有少数人认为这就是所谓的2.0版本。这里列出一些比较知名的NoSQL工具，可以为大数据建立快速、可扩展的存储库。给一个地址吧http://www.caecp.cn/News/News-850.html

nosql太火，冒出太多产品了，保守估计也成百上千了。互联网公司常用的基本集中在以下几种，每种只举一个比较常见或者应用比较成功的例子吧。1. in-memory kv store : redisin memory key-value store，同时提供了更加丰富的数据结构和运算的能力，成功用法是替代memcached，通过checkpoint和commit log提供了快速的宕机恢复，同时支持replication提供读可扩展和高可用。2. disk-based kv store: leveldb真正基于磁盘的key-value storage, 模型单一简单，数据量不受限于内存大小，数据落盘高可靠，google的几位大神出品的精品，lsm模型天然写优化，顺序写盘的方式对于新硬件ssd再适合不过了，不足是仅提供了一个库，需要自己封装server端。3. document store: mongodb分布式nosql，具备了区别mysql的最大亮点：可扩展性。mongodb 最新引人的莫过于提供了sql接口，是目前nosql里最像mysql的，只是没有acid的特性，发展很快，支持了索引等特性，上手容易，对于数据量远超内存限制的场景来说，还需要慎重。4. column table store: hbase这个富二代似乎不用赘述了，最大的优势是开源，对于普通的scan和基于行的get等基本查询，性能完全不是问题，只是只提供裸的api,易用性上是短板，可扩展性方面是最强的，其次坐上了hadoop的快车，社区发展很快，各种基于其上的开源产品不少，来解决诸如join、聚集运算等复杂查询。