Java-96 深入淺出 MySQL 索引與排序機制詳解與優化實踐 Filesort

點一下關注吧！！！非常感謝！！持續更新！！！

🚀 AI篇持續更新中！（長期更新）

AI煉丹日志-31- 千呼萬喚始出來 GPT-5 發布！“快的模型 + 深度思考模型 + 實時路由”，持續打造實用AI工具指南！📐🤖

💻 Java篇正式開啟！（300篇）

目前2025年08月11日更新到：
Java-94 深入淺出 MySQL EXPLAIN詳解：索引分析與查詢優化詳解
MyBatis 已完結，Spring 已完結，Nginx已完結，Tomcat已完結，分布式服務正在更新！深入淺出助你打牢基礎！

📊 大數據板塊已完成多項干貨更新（300篇）：

包括 Hadoop、Hive、Kafka、Flink、ClickHouse、Elasticsearch 等二十余項核心組件，覆蓋離線+實時數倉全棧！
大數據-278 Spark MLib - 基礎介紹 機器學習算法 梯度提升樹 GBDT案例 詳解

請添加圖片描述

MySQL 索引與排序機制詳解

兩種排序方式概述

MySQL 查詢處理排序時主要支持兩種方式：filesort 和 index 排序。這兩種方式在性能上有顯著差異，理解它們的區別對于數據庫優化至關重要。

filesort 排序方式

filesort 是 MySQL 的通用排序算法，當無法使用索引排序時就會采用這種方式。其工作流程如下：

  1. 數據獲取階段：首先執行查詢獲取滿足條件的記錄
  2. 排序處理階段：將結果集放入排序緩沖區(sort buffer)
    • 如果數據量小，完全在內存中完成排序
    • 如果數據量大，會使用臨時文件進行多輪歸并排序
  3. 結果返回階段：將排序后的結果返回給客戶端

典型的使用 filesort 的場景包括：

  • 對沒有索引的列進行排序
  • 使用了 ORDER BY 與 GROUP BY 不同的表達式
  • 排序方向與索引定義方向不一致(如索引是 ASC 但查詢要求 DESC)

index 排序方式

index 排序是利用索引本身的有序特性來避免額外的排序操作，其優勢包括：

  1. 直接利用索引：按照索引順序讀取數據，天然有序
  2. 無額外開銷：省去了排序緩沖區的分配和排序計算過程
  3. 性能優勢：特別是對于大型結果集，性能提升顯著

使用 index 排序的條件：

  • ORDER BY 子句中的列必須與索引列順序完全匹配
  • 排序方向(ASC/DESC)必須與索引定義一致
  • 不能跳過索引中的列(遵循最左前綴原則)

性能對比示例

假設有一個包含百萬條記錄的用戶表：

-- 情況1：filesort
SELECT * FROM users WHERE status = 'active' ORDER BY registration_date;-- 情況2：index排序
SELECT * FROM users WHERE status = 'active' ORDER BY id;  -- id是主鍵

在這個例子中，第一種查詢可能需要進行完整的 filesort 操作，而第二種查詢可以直接利用主鍵索引的有序性，性能差異可能達到幾個數量級。

優化建議

  1. 為常用排序條件創建合適的索引
  2. 盡量讓排序條件與索引定義完全匹配
  3. 監控慢查詢日志中的"Using filesort"警告
  4. 適當增大 sort_buffer_size 參數可以減少磁盤臨時文件的使用
  5. 考慮使用覆蓋索引避免回表操作

算法對比

MySQL 文件排序（filesort）算法詳解

雙路排序（Two-pass sorting）

雙路排序是 MySQL 中的傳統排序算法，其工作流程如下：

  1. 第一次磁盤掃描：只讀取排序字段（ORDER BY 子句中指定的列）和行指針（row pointer）
  2. 排序階段：在 sort buffer 中對這些排序鍵進行排序
  3. 第二次磁盤掃描：根據排序后的行指針回表讀取完整的數據行
  4. 結果返回：將排序后的完整數據返回給客戶端

適用場景：

  • 當查詢的列很多，或者列數據很大時
  • 當 max_length_for_sort_data 參數值設置較小時
  • 特別是當使用 SELECT * 查詢大量列時

優點：減少了內存使用，因為只需要緩存排序鍵而非整行數據

單路排序（Single-pass sorting）

單路排序是 MySQL 優化的排序算法，其工作流程如下：

  1. 單次磁盤掃描：一次性讀取查詢需要的所有列（包括排序字段和其他字段）
  2. 內存排序：在 sort buffer 中對這些數據進行排序
  3. 結果返回：直接返回已排序的結果集

潛在問題：

  • 如果查詢數據超出 sort buffer 大小（由 sort_buffer_size 參數控制）
  • 會導致多次磁盤讀取操作
  • 可能需要創建臨時表
  • 最終產生多次 I/O 操作，反而降低性能

優化建議：

  1. 避免使用 SELECT *，只查詢必要的列
  2. 適當增加 sort_buffer_size 參數值
  3. 調整 max_length_for_sort_data 參數值（控制單行數據最大長度）

示例場景：

-- 不推薦的寫法（可能導致單路排序性能問題）
SELECT * FROM large_table ORDER BY create_time DESC;-- 推薦的寫法（減少數據傳輸量）
SELECT id, name, create_time FROM large_table ORDER BY create_time DESC;

參數調整示例：

-- 增加排序緩沖區大小（默認通常為256KB）
SET sort_buffer_size = 4 * 1024 * 1024;  -- 設置為4MB-- 調整單行排序數據最大長度（默認1024字節）
SET max_length_for_sort_data = 8192;  -- 設置為8KB

EXPLAIN

如果我們使用 EXPLAIN 命令分析 SQL 查詢的執行計劃時：

在結果集的 Extra 列中，如果出現"Using filesort"的提示，這表示 MySQL 在執行查詢時使用了文件排序（filesort）操作。filesort 是一種成本較高的排序方式，當不能使用索引排序時，MySQL 會將結果集放入臨時表并進行排序。這種情況下，我們應該考慮優化查詢或添加適當的索引來提高性能。

優化 filesort 的常見方法包括：

  1. 為 ORDER BY 子句中的列創建合適的索引
  2. 確保 WHERE 條件中的列和 ORDER BY 列使用相同的索引
  3. 減少查詢返回的數據量

相反，如果 Extra 列顯示"Using Index"，這表示查詢使用了覆蓋索引（Covering Index），即查詢所需的所有數據都可以從索引中獲取，而不需要回表查詢數據行。這種情況是最理想的：

  1. 查詢性能最優，因為完全避免了訪問數據表
  2. 可以使用 index 排序方式，效率遠高于 filesort
  3. 減少了 I/O 操作，降低了內存使用

在實際開發中，我們應盡量設計查詢使其能夠使用覆蓋索引，具體方法包括：

  1. 創建包含所有查詢字段的復合索引
  2. 避免 SELECT * 查詢，只選擇必要的列
  3. 確保 WHERE、ORDER BY 和 GROUP BY 子句中的列被索引覆蓋

例如，對于查詢：

SELECT id, name FROM users WHERE status = 1 ORDER BY create_time;

創建索引 (status, create_time, id, name) 就能實現覆蓋索引，避免 filesort 操作。

index方式

當我們使用 order by 子句索引組合滿足索引最左前列的時候：

explain select id from wzk_user order by id;

執行結果如下所示：
在這里插入圖片描述
當我們使用 where 子句 + order by子句 索引組合列滿足索引最左前列的時候：

explain select id from user_info where age > 18 order by username;

對應的結果如下所示：

filesort方式

對索引列同時使用了 ASC 和 DESC：

explain select id from user_info order by age asc, username desc;

對應的結果如下所示：
在這里插入圖片描述
where 子句和order by子句滿足最左前綴，但where 子句使用了范圍查詢：

explain select id from user_info where age > 10 order by username;

對應的結果如下所示：
在這里插入圖片描述

order by 或者 where + order by 索引沒有滿足索引最左前列：

explain select id from user_info order by username;

執行結果如下所示：
在這里插入圖片描述
使用了不同的索引，MySQL每次只采用一個索引，order by涉及了兩個索引：

explain select id from user_info order by username, age;

對應的結果如下所示：
在這里插入圖片描述
where 子句與order by子句，使用了不同的索引：

explain select id from user_info order by abs(age);

對應的結果如下所示：
在這里插入圖片描述

ASC DESC

  • ASC：升序（Ascending），從小到大。
  • DESC：降序（Descending），從大到小。
  • SQL 中默認是 ASC，顯式寫 DESC 會反轉結果順序。
SELECT * FROM users ORDER BY age ASC;   -- 年齡小的在前
SELECT * FROM users ORDER BY age DESC;  -- 年齡大的在前

聚簇索引（Clustered Index）與輔助索引（Secondary Index）

  1. 索引結構
  • InnoDB 存儲引擎采用 B+ 樹作為索引結構
  • 聚簇索引：
    • 葉子節點存儲完整的數據記錄（數據即索引）
    • 每個表只能有一個聚簇索引，通常建立在主鍵上
    • 物理存儲順序與索引順序一致
  • 輔助索引（二級索引）：
    • 葉子節點只存儲主鍵值，不包含完整數據
    • 通過回表操作獲取完整數據
    • 一個表可以有多個輔助索引
  1. 遍歷方式
  • 升序遍歷：
    • 從 B+ 樹最左葉子節點開始向右順序掃描
    • 示例：SELECT * FROM table ORDER BY id ASC
  • 降序遍歷：
    • 從 B+ 樹最右葉子節點開始向左順序掃描
    • 示例：SELECT * FROM table ORDER BY id DESC
  1. 性能特點
  • 聚簇索引優勢：
    • 范圍查詢效率高（數據物理連續）
    • 主鍵查找只需一次IO
  • 輔助索引特點：
    • 需要兩次查找（先查輔助索引，再查聚簇索引）
    • 覆蓋索引可避免回表（查詢字段都在索引中）
  1. 應用場景
  • 聚簇索引：
    • 主鍵查詢
    • 范圍查詢（如 BETWEEN, >, <）
    • 排序操作
  • 輔助索引：
    • 非主鍵字段查詢
    • 多條件查詢（可建立復合索引）
    • 頻繁查詢但更新少的字段聚簇索引（Clustered Index）與輔助索引（Secondary Index）
  1. 索引結構
  • InnoDB 存儲引擎采用 B+ 樹作為索引結構
  • 聚簇索引：
    • 葉子節點存儲完整的數據記錄（數據即索引）
    • 每個表只能有一個聚簇索引，通常建立在主鍵上
    • 物理存儲順序與索引順序一致
  • 輔助索引（二級索引）：
    • 葉子節點只存儲主鍵值，不包含完整數據
    • 通過回表操作獲取完整數據
    • 一個表可以有多個輔助索引
  1. 遍歷方式
  • 升序遍歷：
    • 從 B+ 樹最左葉子節點開始向右順序掃描
    • 示例：SELECT * FROM table ORDER BY id ASC
  • 降序遍歷：
    • 從 B+ 樹最右葉子節點開始向左順序掃描
    • 示例：SELECT * FROM table ORDER BY id DESC
  1. 性能特點
  • 聚簇索引優勢：
    • 范圍查詢效率高（數據物理連續）
    • 主鍵查找只需一次IO
  • 輔助索引特點：
    • 需要兩次查找（先查輔助索引，再查聚簇索引）
    • 覆蓋索引可避免回表（查詢字段都在索引中）
  1. 應用場景
  • 聚簇索引：
    • 主鍵查詢
    • 范圍查詢（如 BETWEEN, >, <）
    • 排序操作
  • 輔助索引：
    • 非主鍵字段查詢
    • 多條件查詢（可建立復合索引）
    • 頻繁查詢但更新少的字段

索引與排序的關系

索引排序的基本原理

當 ORDER BY 子句的字段順序與索引順序完全一致且排序方向相同時（都是 ASC 或都是 DESC），MySQL 優化器可以利用索引的有序特性直接返回已排序的結果集，這種優化稱為"索引排序"（Index Order By）。這種情況下，執行計劃中不會出現"Using filesort"的額外操作。

示例：

-- 假設有索引 idx_name_age (name, age)
-- 可以直接使用索引排序的情況
SELECT * FROM users ORDER BY name ASC, age ASC;

無法使用索引排序的情況

  1. 排序方向不一致：

    • 當索引字段的排序方向與 ORDER BY 指定的方向不一致時
    • 示例：ORDER BY name ASC, age DESC（索引是 ASC,ASC）

  2. 字段順序不匹配：

    • ORDER BY 字段的順序與索引定義的順序不同
    • 示例：ORDER BY age, name（索引是 name, age）

  3. 混合使用 ASC 和 DESC：

    • 即使字段順序匹配，但排序方向混合時
    • 示例：ORDER BY name DESC, age ASC

  4. 包含非索引字段：

    • ORDER BY 包含不在索引中的字段
    • 示例：ORDER BY name, email（email 不在索引中）

Filesort 操作

當無法使用索引排序時，MySQL 必須執行額外的排序操作（Filesort）：

  • 數據會被收集到排序緩沖區
  • 使用快速排序算法在內存中排序
  • 如果數據量太大，會使用臨時文件進行外部排序
  • 在 EXPLAIN 結果中會顯示"Using filesort"

最佳實踐建議

  1. 設計匹配查詢的索引：

    -- 為常見排序查詢創建專用索引
CREATE INDEX idx_users_sort ON users(last_name ASC, first_name ASC, hire_date DESC);

  2. 使用覆蓋索引：

    • 當查詢只需要索引列時，可以完全避免訪問表數據
    • 示例：SELECT user_id FROM users ORDER BY name（user_id 是主鍵）

  3. **避免 SELECT ***：

    • 只查詢需要的列，增加使用覆蓋索引的可能性

  4. 注意多列索引的順序：

    • 確保索引列順序與常用 ORDER BY 子句一致

  5. 考慮使用 DESC 索引（MySQL 8.0+）：

    CREATE INDEX idx_desc ON table_name (column_name DESC);

特殊情況說明

  1. LIMIT 優化：

    • 即使需要 Filesort，帶有 LIMIT 的查詢可能只需要排序部分數據

  2. 索引跳躍掃描（MySQL 8.0+）：

    • 在某些情況下，即使 ORDER BY 不是索引的最左前綴，也可能使用索引

  3. 分區表排序：

    • 在分區表上排序可能會有不同的性能特征# 索引與排序的關系

索引排序的基本原理

當 ORDER BY 子句的字段順序與索引順序完全一致且排序方向相同時（都是 ASC 或都是 DESC），MySQL 優化器可以利用索引的有序特性直接返回已排序的結果集，這種優化稱為"索引排序"（Index Order By）。這種情況下，執行計劃中不會出現"Using filesort"的額外操作。

示例：

-- 假設有索引 idx_name_age (name, age)
-- 可以直接使用索引排序的情況
SELECT * FROM users ORDER BY name ASC, age ASC;

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/news/918580.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/918580.shtml
英文地址，請注明出處：http://en.pswp.cn/news/918580.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

MLAG雙活網絡妙招：BGP + 靜態VRRP實現智能負載均衡

MLAG雙活網絡妙招：BGP + 靜態VRRP實現智能負載均衡

引言 在現代數據中心和企業網絡架構中&#xff0c;高可用性和負載均衡是核心需求。MLAG&#xff08;Multi-Chassis Link Aggregation&#xff09;技術結合BGP和靜態VRRP的解決方案&#xff0c;為網絡工程師提供了一種高效實現雙活網絡負載均衡的妙招。本文將深入探討這一技術組…
閱讀更多...
如何構建PHP表單頁面及驗證相關原理（PHP基礎）

如何構建PHP表單頁面及驗證相關原理（PHP基礎）

文章目錄PHP表單 - 必需字段PHP - 必需字段PHP - 顯示錯誤信息總結PHP表單 - 驗證郵件和URLPHP - 驗證名稱PHP - 驗證郵件驗證URLPHP 完整表單實例 PHP表單 - 必需字段 該章內容將介紹如何設置表單必需字段及錯誤信息 PHP - 必需字段 我們首先給出一個表的驗證規則&#xff0c;…
閱讀更多...
API如何集成Web搜索功能：原理、實踐與最佳選型

API如何集成Web搜索功能：原理、實踐與最佳選型

API如何集成Web搜索功能&#xff1a;原理、實踐與最佳選型 在現代智能應用開發中&#xff0c;模型生成結果往往需要融合最新的互聯網信息。通過集成Web搜索工具&#xff0c;模型可以在生成響應前主動檢索網絡&#xff0c;獲取實時數據。這一能力極大提升了智能系統的準確性和時…
閱讀更多...
Spring Boot項目中調用第三方接口

Spring Boot項目中調用第三方接口

目錄 步驟1: 添加依賴 步驟2: 配置HTTP客戶端 配置RestTemplate 配置WebClient 步驟3: 在Service層調用接口 使用RestTemplate示例 使用WebClient示例 步驟4: 在Controller層調用Service 注意事項 總結 Spring Boot項目中調用第三方接口 在Spring Boot項目中調用第三…
閱讀更多...
關系型數據庫：原理、演進與生態全景——從理論基石到云原生的深度巡禮

關系型數據庫：原理、演進與生態全景——從理論基石到云原生的深度巡禮

目錄 一、引言&#xff1a;當“表”成為世界的通用語言 二、理論基石&#xff1a;關系模型與 ACID 三、引擎架構&#xff1a;一條 SQL 的奇幻漂流 四、存儲機制&#xff1a;頁、緩沖池與 WAL 五、并發控制&#xff1a;鎖、MVCC 與隔離級別 六、SQL&#xff1a;聲明式語言…
閱讀更多...
【軟考架構】計算機網絡中的IP地址表示和子網劃分

【軟考架構】計算機網絡中的IP地址表示和子網劃分

在計算機網絡中&#xff0c;IP地址用于唯一標識網絡中的設備。IP地址的表示方式有兩種&#xff1a;IPv4和IPv6。IPv4是當前使用最廣泛的地址格式&#xff0c;而IPv6是為了解決IPv4地址耗盡問題而設計的。 1. IPv4地址 IPv4地址是一個32位的數字&#xff0c;通常用四個十進制數表…
閱讀更多...
【后端】Spring @Resource和@Autowired的用法和區別

【后端】Spring @Resource和@Autowired的用法和區別

以下是關于 Resource 和 Autowired 兩個依賴注入注解的詳細對比說明&#xff0c;重點關注它們的區別和使用場景&#xff1a;&#x1f4cc; 核心區別總結特性Autowired (Spring)Resource (JSR-250 標準)來源Spring 框架原生注解Java 標準 (javax.annotation)默認注入方式按類型 …
閱讀更多...
php+apache+nginx 更換域名

php+apache+nginx 更換域名

phpapachenginx 更換域名? 第 1 步&#xff1a;確認到底是誰在監聽 80/443? 第 2 步&#xff1a;按監聽者修改配置&#x1f539; 場景 A&#xff1a;Apache 直接監聽 80/443&#x1f539; 場景 B&#xff1a;Nginx 監聽 80/443&#xff0c;反向代理到 Apache? 第 3 步&#…
閱讀更多...
AI 視頻衛士：AI 無人機巡檢，適配多元河道場景的治理利器

AI 視頻衛士：AI 無人機巡檢，適配多元河道場景的治理利器

河道治理&#xff0c;場景各異&#xff0c;難題不同。城市內河的生活垃圾、景區河道的景觀破壞、工業園區河道的工業廢料&#xff0c;每一種場景都對巡檢工作有著獨特的要求。AI 視頻衛士&#xff0c;憑借強大的 AI 技術&#xff0c;針對不同河道應用場景&#xff0c;打造專屬巡…
閱讀更多...
累加和校驗原理與FPGA實現

累加和校驗原理與FPGA實現

累加和校驗原理與FPGA實現寫在前面一、基礎原理二、舉個例子2.1 進位累加2.2 回卷累加三、FPGA實現3.1 發送端&#xff08;產生校驗和&#xff09;3.2 接收端&#xff08;累加和校驗&#xff09;3.3 仿真結果寫在后面寫在前面 在上文《奇偶校驗原理與FPGA實現》中&#xff0c;講…
閱讀更多...
深入解析Go設計模式：命令模式實戰

深入解析Go設計模式：命令模式實戰

什么是命令模式？ 命令模式(Command Pattern)是一種行為型設計模式，它將請求封裝為獨立對象，從而允許客戶端通過不同的請求對象進行參數化配置。該模式支持請求的排隊執行、操作記錄以及撤銷等功能。 命令模式UML類圖如下所示： 命令模式包含五個核心角色，具體說明如下： …
閱讀更多...
Pytest項目_day11（fixture、conftest）

Pytest項目_day11（fixture、conftest）

Fixture fixture是一種類似于setup、teardown&#xff0c;用于測試前后進行預備、清理工作的代碼處理機制 相比于setup、teardown來說&#xff0c;fixture命名更靈活&#xff0c;局限性更少使用conftest.py配置里面可以實現數據共享&#xff0c;不需要import就能自動找到一些配…
閱讀更多...
DAY 43 復習日

DAY 43 復習日

作業&#xff1a; kaggle找到一個圖像數據集&#xff0c;用cnn網絡進行訓練并且用grad-cam做可視化 劃分數據集 import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader impo…
閱讀更多...
Flink運行時的實現細節

Flink運行時的實現細節

一、Flink集群中各角色運行架構先說Flink集群中的角色吧&#xff0c;有三個分別是客戶端(Client)、JobManager、TaskManager。客戶端負責接收作業任務并進行解析&#xff0c;將解析后的二進制數據發送給JobManager&#xff1b;JobManager是作業調度中心&#xff0c;負責對所有作…
閱讀更多...
思科、華為、華三如何切換三層端口？

思科、華為、華三如何切換三層端口？

三層交換機融合了二層交換技術與三層轉發技術&#xff0c;具備強大的網絡功能。主流廠商&#xff08;思科、H3C、華為&#xff09;的三層交換機均支持二層端口與三層端口的相互切換&#xff0c;但具體命令存在差異。本文將詳細介紹三大廠商設備的端口切換方法及相關知識。一、各…
閱讀更多...
springboot的基礎要點

springboot的基礎要點

Spring Boot 的核心設計理念是 ??"約定優于配置"??&#xff08;Convention Over Configuration&#xff09;&#xff0c;旨在簡化 Spring 應用的初始搭建和開發過程。以下是需要掌握的核心基礎要點&#xff1a;?一、核心機制??自動配置 (Auto-Configuration)?…
閱讀更多...
lesson36：MySQL從入門到精通：全面掌握數據庫操作與核心原理

lesson36：MySQL從入門到精通：全面掌握數據庫操作與核心原理

目錄 一、引言&#xff1a;為什么選擇MySQL&#xff1f; 二、MySQL安裝與登錄配置 2.1 環境準備 2.2 登錄指令詳解 三、數據庫核心操作 3.1 數據庫生命周期管理 3.2 數據庫存儲引擎選擇 四、數據表設計與操作 4.1 表結構創建&#xff08;含數據類型詳解&#xff09; …
閱讀更多...
Spring源碼解析 - SpringApplication run流程-prepareContext源碼分析

Spring源碼解析 - SpringApplication run流程-prepareContext源碼分析

prepareContext源碼分析 private void prepareContext(DefaultBootstrapContext bootstrapContext, ConfigurableApplicationContext context,ConfigurableEnvironment environment, SpringApplicationRunListeners listeners,ApplicationArguments applicationArguments, Bann…
閱讀更多...
HIS系統：醫院信息化建設的核心，采用Angular+Java技術棧，集成MySQL、Redis等技術，實現醫院全業務流程管理。

HIS系統：醫院信息化建設的核心，采用Angular+Java技術棧，集成MySQL、Redis等技術，實現醫院全業務流程管理。

HIS系統在醫院信息化建設中扮演著核心的角色。它是一個綜合性的信息系統&#xff0c;旨在管理和運營醫院的各種業務&#xff0c;包括門診、住院、財務、物資、科研等。技術細節&#xff1a;前端&#xff1a;AngularNginx后臺&#xff1a;JavaSpring&#xff0c;SpringBoot&…
閱讀更多...
深度學習-卷積神經網絡-LeNet

深度學習-卷積神經網絡-LeNet

卷積神經網絡是一種專門用于處理具有網格結構數據&#xff08;如圖像、音頻等&#xff09;的深度學習模型。它通過卷積層自動提取數據中的特征&#xff0c;利用局部連接和參數共享的特性減少了模型的參數數量&#xff0c;降低了過擬合的風險&#xff0c;同時能夠有效地捕捉數據…
閱讀更多...
最新文章

Copyright @ 2022~2023