INTERVAL记录

article/2025/10/14 21:00:35

INTERVAL作为sql中关键字

interval在sql中一般表示为时间间隔的意思
常用在date_add()、**date_sub()**函数中,常用于时间的加减法
在这里插入图片描述
上述sql表示为当前时间一年后的时间。
interval后可选择的时间粒度:
MICROSECOND,
SECOND,
MINUTE,
HOUR,
DAY,
WEEK,
MONTH,
QUARTER,
YEAR,
SECOND_MICROSECOND,
MINUTE_MICROSECOND,
MINUTE_SECOND,
HOUR_MICROSECOND,
HOUR_SECOND,
HOUR_MINUTE,
DAY_MICROSECOND,
DAY_SECOND,
DAY_MINUTE,
DAY_HOUR,
YEAR_MONTH,

当时间粒度为多个时,以下划线连接单位。如:YEAR_MONTH
sql演示:
在这里插入图片描述
上述sql表示的时当前时间增加一年零一个月。

那么,有个问题,我们在使用interval的时候可不可以使用变量呢?
可以,但是不可以直接写在单位里面,如:
在这里插入图片描述
这里会报错:
在这里插入图片描述
这里应该把变量放在外面:
在这里插入图片描述

下面记录一些特殊时间:
在这里插入图片描述

SELECT DATE_FORMAT(now(),'%Y-%m-%d 00:00:00') as '今天开始'
SELECT DATE_FORMAT(now(),'%Y-%m-%d 23:59:59') as '今天结束'
SELECT DATE_FORMAT(DATE_SUB(now(),INTERVAL 1 DAY),'%Y-%m-%d 00:00:00') as '昨天开始'
SELECT DATE_FORMAT(DATE_SUB(now(),INTERVAL 1 DAY),'%Y-%m-%d 23:59:59') as '昨天结束'	
SELECT DATE_FORMAT(DATE_SUB(CURDATE(),INTERVAL WEEKDAY(CURDATE())DAY),'%Y-%m-%d 00:00:00') as '本周开始'
SELECT DATE_FORMAT(DATE_ADD(SUBDATE(CURDATE(),WEEKDAY(CURDATE())),INTERVAL 6 DAY),'%Y-%m-%d 23:59:59') as '本周结束'
SELECT DATE_FORMAT(DATE_SUB(DATE_SUB(CURDATE(),INTERVAL WEEKDAY(CURDATE())DAY),INTERVAL 1 WEEK),'%Y-%m-%d 00:00:00') as '上周一'
SELECT DATE_FORMAT(DATE_SUB(DATE_SUB(CURDATE(),INTERVAL WEEKDAY(CURDATE())DAY),INTERVAL 1 DAY),'%Y-%m-%d 23:59:59') as '上周末'
SELECT DATE_FORMAT(CURDATE(),'%Y-%m-01 00:00:00') as '本月开始'
SELECT DATE_FORMAT(LAST_DAY(CURDATE()),'%Y-%m-%d 23:59:59') as '本月结束'
SELECT DATE_FORMAT(DATE_SUB(CURDATE(),INTERVAL 1 MONTH),'%Y-%m-01 00:00:00') as '上月初'
SELECT DATE_FORMAT(LAST_DAY(DATE_SUB(CURDATE(),INTERVAL 1 MONTH)),'%Y-%m-%d 23:59:59') as '上月末'
SELECT CONCAT(YEAR(now()),'-01-01 00:00:00') as '年初'
SELECT CONCAT(YEAR(now()),'-12-31 23:59:59') as '年末'
SELECT DATE_FORMAT(DATE_SUB(CURDATE(),INTERVAL DAYOFYEAR(now())-1 DAY),'%Y-%m-%d 00:00:00') as '年初'

http://chatgpt.dhexx.cn/article/uPGdUmc3.shtml

相关文章

万能的Attention及其代码实现

最近看到以前的代码,想到了attention,趁着代码还在就来整理一下。 文章目录 [Squeeze-and-Excitation Networks](https://arxiv.org/abs/1709.01507)[Concurrent Spatial and Channel ‘Squeeze &Excitation’ in Fully Convolutional Networks](ht…

NLP中的Attention总结

Attention是模拟人脑的注意力机制。人在看到一些东西,往往只关注重要的信息,而忽略其他信息。自然语言处理中的attention是对文本分配注意力权重,Attention的本质就是从关注全部变为关注重点。 1 Attention的原理 Attention的计算过程&#…

Attention 理解汇总

在 Encoder-Decoder中,预测每个Decoder 的语义编码 c 是一样的,句子 X 中每个词对输出 Y 的每个词的影响都是相同的。 这样有两个弊端: 一是语义向量无法完全表示整个序列的信息; 二是先输入的内容携带的信息会被后输入的信息稀…

[深度学习] 自然语言处理 --- Self-Attention(三) 知识点与源码解析

在当前的 NLP 领域,Transformer / BERT 已然成为基础应用,而 Self-Attention 则是两者的核心部分,下面尝试用 Q&A 和源码的形式深入 Self-Attention 的细节。 一 Q&A 1. Self-Attention 的核心是什么? Self-Attention …

attention介绍

Attention 正在被越来越广泛的得到应用。 Attention 到底有什么特别之处?他的原理和本质是什么?Attention都有哪些类型?本文将详细讲解Attention的方方面面。 Attention 的本质是什么 Attention(注意力)机制如果浅层…

Attention原理

文章目录 Attention原理HAN原理利用Attention模型进行文本分类参考资料 Attention原理 转载一个Hierarchical Attention神经网络的实现 转载 图解Transformer 转载 Attention原理和源码解析 论文链接 Attention is All You Need HAN原理 论文链接Hierarchical Attention Net…

Transformer详解(二):Attention机制

1.Encoder-Decoder中的attention机制 上一篇文章最后,在Encoder-Decoder框架中,输入数据的全部信息被保存在了C。而这个C很容易受到输入句子长度的影响。当句子过长时,C就有可能存不下这些信息,导致模型后续的精度下降。Attentio…

attention模型

以机器翻译为例说明: 普通的RNN机器翻译模型: 次结构弱点在于当target句子太长时,前面encoder学习到的embedding vector(红边框)可能会被后面的decoder遗忘。因此改进版本如下: 这样,每次在输入target的word的时候,除了可以看到…

【深度学习】Self-Attention 原理与代码实现

1.Self-Attention 结构 在计算的时候需要用到矩阵Q(查询),K(键值),V(值)。在实际中,Self-Attention 接收的是输入(单词的表示向量x组成的矩阵X) 或者上一个 Encoder block 的输出。而Q,K,V正是通过 Self-Attention 的输入进行线性变换得到的。 2. Q, K, V 的计算 S…

Self -Attention、Multi-Head Attention、Cross-Attention

Self -Attention Transformer结构图 上图是论文中 Transformer 的内部结构图,左侧为 Encoder block,右侧为 Decoder block。红色圈中的部分为 Multi-Head Attention,是由多个 Self-Attention组成的,可以看到 Encoder block 包含一…

Attention Rollout

问题陈述 从图1a中的原始attention可以看出,只有在最开始的几层,不同位置的attention模式有一些区别,但是更高层中的attention权重更加一致。这表示随着模型层数的增加,嵌入的内容变得更加情境化,可能都带有类似的信息…

Attention可视化

Attention matrix: https://github.com/rockingdingo/deepnlp/blob/r0.1.6/deepnlp/textsum/eval.py plot_attention(data, X_labelNone, Y_labelNone)函数 #!/usr/bin/python # -*- coding:utf-8 -*-""" Evaluation Method for summarization tas…

Attention机制

文章目录 一、Attention机制是什么?二、推荐论文与链接三、self-attention 一、Attention机制是什么? Attention机制最早在视觉领域提出,九几年就被提出来的思想,真正火起来应该算是2014年Google Mind发表了《Recurrent Models o…

Attention详解

1.背景知识 Seq2Seq模型:使用两个RNN,一个作为编码器,一个作为解码器。 编码器:将输入数据编码成一个特征向量。 解码器:将特征向量解码成预测结果。 缺点:只将编码器的最后一个节点的结果进行了输出&am…

浅析NLP中的Attention技术

Attention(注意力机制)在NLP、图像领域被广泛采用,其显而易见的优点包括: (1)从context中捕捉关键信息; (2)良好的可视性和可解释性。 我们常用QKV模型来理解Attention&…

Attention 机制

文章目录 Attention 的本质是什么Attention 的3大优点Attention 的原理Attention 的 N 种类型 转载来源:https://easyai.tech/ai-definition/attention/ Attention 正在被越来越广泛的得到应用。尤其是 BERT 火爆了之后。 Attention 到底有什么特别之处&#xff1f…

详解Transformer中Self-Attention以及Multi-Head Attention

原文名称:Attention Is All You Need 原文链接:https://arxiv.org/abs/1706.03762 如果不想看文章的可以看下我在b站上录的视频:https://b23.tv/gucpvt 最近Transformer在CV领域很火,Transformer是2017年Google在Computation an…

Attention 一综述

近年来,注意力(Attention)机制被广泛应用到基于深度学习的自然语言处理(NLP)各个任务中。随着注意力机制的深入研究,各式各样的attention被研究者们提出,如单个、多个、交互式等等。去年6月,google机器翻译…

从Attention到Bert——1 Attention解读

下一篇从Attention到Bert——2 transformer解读 文章目录 1 Attention的发展历史2015-2017年 2 Attention的原理3 Multi-Head Attention4 Self-Attention为什么需要self-attention什么是self-attention 5 Position Embedding 最早,attention诞生于CV领域&#xff0…

Attention UNet

Attention UNet论文解析 - 知乎Attention UNet论文地址: https://arxiv.org/pdf/1804.03999.pdf 代码地址: https://github.com/ozan-oktay/Attention-Gated-NetworksAttention UNet在UNet中引入注意力机制,在对编码器每个分辨率上的特征与解…