大数据量下的Apriori改进算法及在weka平台的实现.doc

用来解决数据集小的问题，对数据集进行增强扩充

大数据量高并发的数据库优化.doc

达梦数据库数据量统计.sql

大数据与云计算培训学习资料 MongoDB在盛大 大数据量项目中的应用 共44页.pptx

用来演示使用索引查询效率，和没有使用索引查询效率

Rational 方法 java实现 数据量

全部都是经验积累所整理的文档，对提高查询有很大帮助

内存溢出问题是参加kaggle比赛或者做大数据量实验的第一个拦路虎。 以前做的练手小项目导致新手产生一个惯性思维——读取训练集图片的时候把所有图读到内存中，然后分批训练。 其实这是有问题的，很容易导致OOM。现在内存一般16G，而训练集图片通常是上万张，而且RGB图，还很大，VGG16的图片一般是224x224x3，上万张图片，16G内存根本不够用。这时候又会想起——设置batch，但是那个batch的输入参数却又是图片，它只是把传进去的图片分批送到显卡，而我OOM的地方恰是那个“传进去”的图片，怎么办？ 解决思路其实说来也简单，打破思维定式就好了，不是把所有图片读到内存中，而是只把所有图片的

C#写的大数据量批量快速效率高校的导入。 反正不是一条一条的插入 是一个dataset一个的插入 不管是C#还是JAVA 都用的上