在ABAP中:转化函数的简易理解与应用
最编程
2024-07-26 22:28:51
...
我们在Upload/Download数据的时候,会遇到一些数据需要检查,一些数据需要转换,今天把这些东西做一下总结,方便以后使用.
经常需要检查转换的列表:
1.时间日期
2.单位
3.WBS,Master Data中的前面的0,归类为alpha转换
4.数量,往往跟随单位
下面我们就一一把这些需要的检查转换等总结一下:
关于时间:
函数: CONVERT_TIME_INPUT(6->8)
功能: 把6位的时间转换成8位带有分隔符的时间格式
用法: 我们在上传文件的时候,往往使用字符串格式,所以经常使用6位的时间格式,而在sap系统中,往往使用的是带有分隔符的格式,于是这个转换是必要的.同时,这个函数可以检查时间格式是否正确,只要你把PLAUSIBILITY_CHECK这个参数设置成为'X'.
ABAP语句:
推荐阅读
-
理解Oracle的listagg函数与Mysql的group_concat在实际应用中的差异与相似之处
-
深入理解分治算法在LeetCode实战中的应用:快速排序思维解析与算法沉淀
-
【摩尔线程+Colossal-AI强强联手】MusaBert登上CLUE榜单TOP10:技术细节揭秘 - 技术实力:摩尔线程凭借"软硬兼备"的技术底蕴,让MusaBert得以从底层优化到顶层。其内置多功能GPU配备AI加速和并行计算模块,提供了全面的AI与科学计算支持,为AI推理和低资源条件下的大模型训练等场景带来了高效、经济且环保的算力。 - 算法层面亮点:依托Colossal-AI AI大模型开发系统,MusaBert在训练过程中展现出了卓越的并行性能与易用性,特别在预处理阶段对DataLoader进行了优化,适应低资源环境高效处理海量数据。同时,通过精细的建模优化、领域内数据增强以及Adan优化器等手段,挖掘和展示了预训练语言模型出色的语义理解潜力。基于MusaBert,摩尔线程自主研发的MusaSim通过对比学习方法微调,结合百万对标注数据,MusaSim在多个任务如语义相似度、意图识别和情绪分析中均表现出色。 - 数据资源丰富:MusaBert除了自家高质量语义相似数据外,还融合了悟道开源200GB数据、CLUE社区80GB数据,以及浪潮公司提供的1TB高质量数据,保证模型即便在较小规模下仍具备良好性能。 当前,MusaBert已成功应用于摩尔线程的智能客服与数字人项目,并广泛服务于语义相似度、情绪识别、阅读理解与声韵识别等领域。为了降低大模型开发和应用难度,MusaBert及其相关高质量模型代码已在Colossal-AI仓库开源,可快速训练优质中文BERT模型。同时,通过摩尔线程与潞晨科技的深度合作,仅需一张多功能GPU单卡便能高效训练MusaBert或更大规模的GPT2模型,显著降低预训练成本,进一步推动双方在低资源大模型训练领域的共享目标。 MusaBert荣登CLUE榜单TOP10,象征着摩尔线程与潞晨科技联合研发团队在中文预训练研究领域的领先地位。展望未来,双方将携手探索更大规模的自然语言模型研究,充分运用上游数据资源,产出更为强大的模型并开源。持续强化在摩尔线程多功能GPU上的大模型训练能力,特别是在消费级显卡等低资源环境下,致力于降低使用大模型训练的门槛与成本,推动人工智能更加普惠。而潞晨科技作为重要合作伙伴,将继续发挥关键作用。
-
理解与应用:Python中的isnumeric()函数
-
理解与应用:Python中的hasattr函数
-
理解 if 与 whether:两者在英语中的差异与应用探讨
-
在Node.js中轻松理解和应用JWT与Session的区别与用法
-
在 TypeScript 中:理解通用作用域、自动类型推断与多类型参数的应用
-
在C#中理解继承与多态的实战应用
-
形象理解:BFS在FloodFill图像渲染算法中的应用(LeetCode实战解析) - 序章:算法积累与实现