python+opencv+caffe+攝像頭做目標檢測的實例代碼
更新時間：2018年08月03日 09:39:46 作者：IT勤雜工
今天小編就為大家分享一篇python+opencv+caffe+攝像頭做目標檢測的實例代碼，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
首先之前已經(jīng)成功的使用Python做圖像的目標檢測，這回因為項目最終是需要用攝像頭的，
所以實現(xiàn)攝像頭獲取圖像，并且用Python調(diào)用CAFFE接口來實現(xiàn)目標識別
首先是攝像頭請選擇支持Linux萬能驅(qū)動兼容V4L2的攝像頭，
因為之前用學ARM的時候使用的Smart210，我已經(jīng)確認我的攝像頭是支持的，
我把攝像頭插上之後自然就在 /dev 目錄下看到多了一個video0的文件，
這個就是攝像頭的設(shè)備文件了，所以我就沒有額外處理驅(qū)動的部分
一、檢測環(huán)境
再來在開始前因為之前按著國嵌的指導手冊安裝的opencv3.2當時沒有開啟V4L2及GTK_2.x的支持，
所以後面遇到了一連串的問題，請大家如下面方法檢測
$ python
1.檢測Python的V4L2支持及攝像頭驅(qū)動是否正常
進入Python之後如下命令
Python 2.7.12 (default, Nov 19 2016, 06:48:10) [GCC 5.4.0 20160609] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> import cv2 >>> cap = cv2.VideoCapture(0) >>> print cap.isOpened() True >>>
如果 返回True就代表攝像頭及你的opencv的V4L2支持就已經(jīng)完全正常了
如果返回False就代表opencv或是攝像頭有問題叁考後面的修改方式
2.再來因為我們要把攝像頭的影像生成窗口，所以我們需要檢測Python的gtk支持如下
>>> import cv2
>>> cv2.namedWindow('test',cv2.WINDOW_AUTOSIZE)
>>>
如果沒有報任何錯誤就代表gtk也是正常的
如如果出現(xiàn)下面提示
OpenCV Error: Unspecified error (The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or configure script) in cvNamedWindow,
那就代表opencv不支持gtk
如果上面兩個測試都是好使的你可以跳過本步驟
首先我發(fā)現(xiàn)我不論如何重新編譯opencv發(fā)現(xiàn)python一直都是有問題的，
最後發(fā)現(xiàn)是因為不知道什麼時候已經(jīng)裝過 python-opencv的包了
可以用命令
$ pip list |grep opencv
如果發(fā)現(xiàn)有任何跟opencv有關(guān)的包都可以利用 pip uninstall xxx 來移除
假設(shè)看到 pythom-opencv的包那就 pip uninstall opencv-python 來移除
還有檢查dpkg -i |grep opencv 如果跟python的opencv有關(guān)的包也得移除
$ sudo apt-get remove python-opencv
然後到你之前安裝opencv3.2的那個源碼目錄，
$ cd build $ make uninstall
這樣就會卸載之前安裝的opencv
再來V4L的頭文件已經(jīng)改名了，但是opencv會默認使用linux/videodev.h所以要做個軟鍊接
$ ln -s /usr/include/libv4l1-videodev.h /usr/include/linux/videodev.h
opencv安裝過程中會自動的檢測相關(guān)的包，以及一些依賴，
先列出我安裝的包，但是因為環(huán)境多少有點不同，下面會教大家如何看缺少的包
$ sudo apt-get install libgphoto2-dev v4l2ucp libv4l-dev dv4l libwebcam0-dev libgtkglext1-dev libunicap2-dev
再來執(zhí)行cmake
$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local \ -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_GTK=ON -D WITH_GTK_2_X -D WITH_OPENGL=ON \ -D WITH_CUDA=ON -D WITH_CUBLAS=ON -D BUILD_PYTHON_SUPPORT=ON \ -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-3.2.0/modules/ ../opencv-3.2.0
其中如果V4L2使用share庫也可以把-D WITH_V4L: = ON 換成
-D WITH_LIBV4L=ON
在cmake的過程中會有類似如下的提示
Detected version of GNU GCC: 54 (504) FP16: Feature disabled Found OpenEXR: /usr/lib/x86_64-linux-gnu/libIlmImf.so Checking for module 'libucil' No package 'libucil' found Looking for linux/videodev.h Looking for linux/videodev.h - found Looking for linux/videodev2.h Looking for linux/videodev2.h - found Looking for sys/videoio.h Looking for sys/videoio.h - not found Checking for module 'libavresample' No package 'libavresample' found Found TBB: build found IPP (ICV version): 9.0.1 [9.0.1] at: /mnt/sdb/ubuntu/install/opencv/build/3rdparty/ippicv/ippicv_lnx CUDA detected: 8.0 CUDA NVCC target flags: -gencode;arch=compute_20,code=sm_20;-gencode;arch=compute_30,code=sm_30;-gencode;arch=compute_35,code=sm_35;-gencode;arch=compute_37,code=sm_37;-gencode;arch=compute_50,code=sm_50;-gencode;arch=compute_52,code=sm_52;-gencode;arch=compute_60,code=sm_60;-gencode;arch=compute_61,code=sm_61;-D_FORCE_INLINES LAPACK_IMPL: Atlas, LAPACK_LIBRARIES: /usr/lib/liblapack.so;/usr/lib/libcblas.so;/usr/lib/libatlas.so Could NOT find JNI (missing: JAVA_AWT_LIBRARY JAVA_JVM_LIBRARY JAVA_INCLUDE_PATH JAVA_INCLUDE_PATH2 JAVA_AWT_INCLUDE_PATH) Could NOT find Matlab (missing: MATLAB_MEX_SCRIPT MATLAB_INCLUDE_DIRS MATLAB_ROOT_DIR MATLAB_LIBRARIES MATLAB_LIBRARY_DIRS MATLAB_MEXEXT MATLAB_ARCH MATLAB_BIN) VTK is not found. Please set -DVTK_DIR in CMake to VTK build directory, or to VTK install subdirectory with VTKConfig.cmake file General configuration for OpenCV 3.2.0 ===================================== Version control: unknown Platform: Timestamp: 2017-08-14T00:31:55Z Host: Linux 4.10.0-30-generic x86_64 CMake: 3.5.1 CMake generator: Unix Makefiles CMake build tool: /usr/bin/make Configuration: Release C/C++: Built as dynamic libs?: YES C++ Compiler: /usr/bin/c++ (ver 5.4.0) C++ flags (Release): -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wundef -Winit-self -Wpointer-arith -Wshadow -Wsign-promo -Wno-narrowing -Wno-delete-non-virtual-dtor -Wno-comment -fdiagnostics-show-option -Wno-long-long -pthread -fomit-frame-pointer -msse -msse2 -mno-avx -msse3 -mno-ssse3 -mno-sse4.1 -mno-sse4.2 -ffunction-sections -fvisibility=hidden -fvisibility-inlines-hidden -O3 -DNDEBUG -DNDEBUG C++ flags (Debug): -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wundef -Winit-self -Wpointer-arith -Wshadow -Wsign-promo -Wno-narrowing -Wno-delete-non-virtual-dtor -Wno-comment -fdiagnostics-show-option -Wno-long-long -pthread -fomit-frame-pointer -msse -msse2 -mno-avx -msse3 -mno-ssse3 -mno-sse4.1 -mno-sse4.2 -ffunction-sections -fvisibility=hidden -fvisibility-inlines-hidden -g -O0 -DDEBUG -D_DEBUG C Compiler: /usr/bin/cc C flags (Release): -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wmissing-prototypes -Wstrict-prototypes -Wundef -Winit-self -Wpointer-arith -Wshadow -Wno-narrowing -Wno-comment -fdiagnostics-show-option -Wno-long-long -pthread -fomit-frame-pointer -msse -msse2 -mno-avx -msse3 -mno-ssse3 -mno-sse4.1 -mno-sse4.2 -ffunction-sections -fvisibility=hidden -O3 -DNDEBUG -DNDEBUG C flags (Debug): -fsigned-char -W -Wall -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-point -Wformat -Werror=format-security -Wmissing-declarations -Wmissing-prototypes -Wstrict-prototypes -Wundef -Winit-self -Wpointer-arith -Wshadow -Wno-narrowing -Wno-comment -fdiagnostics-show-option -Wno-long-long -pthread -fomit-frame-pointer -msse -msse2 -mno-avx -msse3 -mno-ssse3 -mno-sse4.1 -mno-sse4.2 -ffunction-sections -fvisibility=hidden -g -O0 -DDEBUG -D_DEBUG Linker flags (Release): Linker flags (Debug): ccache: NO Precompiled headers: YES Extra dependencies: /usr/lib/x86_64-linux-gnu/libpng.so /usr/lib/x86_64-linux-gnu/libtiff.so /usr/lib/x86_64-linux-gnu/libjasper.so /usr/lib/x86_64-linux-gnu/libImath.so /usr/lib/x86_64-linux-gnu/libIlmImf.so /usr/lib/x86_64-linux-gnu/libIex.so /usr/lib/x86_64-linux-gnu/libHalf.so /usr/lib/x86_64-linux-gnu/libIlmThread.so gtk-x11-2.0 gdk-x11-2.0 pangocairo-1.0 atk-1.0 cairo gdk_pixbuf-2.0 gio-2.0 pangoft2-1.0 pango-1.0 gobject-2.0 glib-2.0 fontconfig freetype gthread-2.0 gtkglext-x11-1.0 gdkglext-x11-1.0 GLU GL Xmu Xt SM ICE pangox-1.0 X11 gmodule-2.0 gstbase-1.0 gstreamer-1.0 gstvideo-1.0 gstapp-1.0 gstriff-1.0 gstpbutils-1.0 unicap dc1394 avcodec-ffmpeg avformat-ffmpeg avutil-ffmpeg swscale-ffmpeg gphoto2 gphoto2_port exif dl m pthread rt /usr/lib/x86_64-linux-gnu/libGLU.so /usr/lib/x86_64-linux-gnu/libGL.so /usr/lib/liblapack.so /usr/lib/libcblas.so /usr/lib/libatlas.so cudart nppc nppi npps cublas cufft -L/usr/local/cuda-8.0/lib64 3rdparty dependencies: libwebp zlib libjpeg tbb OpenCV modules: To be built: cudev core cudaarithm flann imgproc ml video cudabgsegm cudafilters cudaimgproc cudawarping imgcodecs photo shape videoio cudacodec highgui objdetect ts features2d calib3d cudafeatures2d cudalegacy cudaobjdetect cudaoptflow cudastereo stitching superres videostab python2 Disabled: world Disabled by dependency: - Unavailable: java python3 viz GUI: QT: NO GTK+ 2.x: YES (ver 2.24.30) GThread : YES (ver 2.48.2) GtkGlExt: YES (ver 1.2.0) OpenGL support: YES (/usr/lib/x86_64-linux-gnu/libGLU.so /usr/lib/x86_64-linux-gnu/libGL.so) VTK support: NO Media I/O: ZLib: build (ver 1.2.8) JPEG: libjpeg (ver 90) WEBP: build (ver 0.3.1) PNG: /usr/lib/x86_64-linux-gnu/libpng.so (ver 1.2.54) TIFF: /usr/lib/x86_64-linux-gnu/libtiff.so (ver 42 - 4.0.6) JPEG 2000: /usr/lib/x86_64-linux-gnu/libjasper.so (ver 1.900.1) OpenEXR: /usr/lib/x86_64-linux-gnu/libImath.so /usr/lib/x86_64-linux-gnu/libIlmImf.so /usr/lib/x86_64-linux-gnu/libIex.so /usr/lib/x86_64-linux-gnu/libHalf.so /usr/lib/x86_64-linux-gnu/libIlmThread.so (ver 2.2.0) GDAL: NO GDCM: NO Video I/O: DC1394 1.x: NO DC1394 2.x: YES (ver 2.2.4) FFMPEG: YES avcodec: YES (ver 56.60.100) avformat: YES (ver 56.40.101) avutil: YES (ver 54.31.100) swscale: YES (ver 3.1.101) avresample: NO GStreamer: base: YES (ver 1.8.3) video: YES (ver 1.8.3) app: YES (ver 1.8.3) riff: YES (ver 1.8.3) pbutils: YES (ver 1.8.3) OpenNI: NO OpenNI PrimeSensor Modules: NO OpenNI2: NO PvAPI: NO GigEVisionSDK: NO Aravis SDK: NO UniCap: NO UniCap ucil: NO V4L/V4L2: YES/YES XIMEA: NO Xine: NO gPhoto2: YES Parallel framework: TBB (ver 4.4 interface 9002) Other third-party libraries: Use IPP: 9.0.1 [9.0.1] at: /mnt/sdb/ubuntu/install/opencv/build/3rdparty/ippicv/ippicv_lnx Use IPP Async: NO Use VA: NO Use Intel VA-API/OpenCL: NO Use Lapack: YES (/usr/lib/liblapack.so /usr/lib/libcblas.so /usr/lib/libatlas.so) Use Eigen: NO Use Cuda: YES (ver 8.0) Use OpenCL: YES Use OpenVX: NO Use custom HAL: NO NVIDIA CUDA Use CUFFT: YES Use CUBLAS: YES USE NVCUVID: NO NVIDIA GPU arch: 20 30 35 37 50 52 60 61 NVIDIA PTX archs: Use fast math: NO OpenCL: <Dynamic loading of OpenCL library> Include path: /mnt/sdb/ubuntu/install/opencv/opencv-3.2.0/3rdparty/include/opencl/1.2 Use AMDFFT: NO Use AMDBLAS: NO Python 2: Interpreter: /usr/bin/python2.7 (ver 2.7.12) Libraries: /usr/lib/x86_64-linux-gnu/libpython2.7.so (ver 2.7.12) numpy: /usr/local/lib/python2.7/dist-packages/numpy/core/include (ver 1.13.1) packages path: lib/python2.7/dist-packages Python 3: Interpreter: /usr/bin/python3 (ver 3.5.2) Python (for build): /usr/bin/python2.7 Java: ant: NO JNI: NO Java wrappers: NO Java tests: NO Matlab: Matlab not found or implicitly disabled Documentation: Doxygen: /usr/bin/doxygen (ver 1.8.11) Tests and samples: Tests: YES Performance tests: YES C/C++ Examples: NO Install path: /usr/local cvconfig.h is in: /mnt/sdb/ubuntu/install/opencv/build ----------------------------------------------------------------- Configuring done
開始的部份會檢查一堆依賴，請仔細看如可有缺包，可以百度一下怎么安裝，因為我已經(jīng)裝完了就不提示了，
不過有些包我也找不到我就沒解決了如上面的
Checking for module 'libucil' No package 'libucil' found
這個我還真沒找到怎么解決，不過反正問題不大
再來下面的部份一定要注意幾個部分一定要有
GUI: GTK+ 2.x: YES (ver 2.24.30)
Video I/O: V4L/V4L2: YES/YES FFMPEG: YES Python 2: Interpreter: /usr/bin/python2.7 (ver 2.7.12) Libraries: /usr/lib/x86_64-linux-gnu/libpython2.7.so (ver 2.7.12) numpy: /usr/local/lib/python2.7/dist-packages/numpy/core/include (ver 1.13.1) packages path: lib/python2.7/dist-packages
主要就是上面幾個個非常重要，必須要裝上
再來就正常 make
$ make -j8 $ make install
設(shè)置nccl的ld環(huán)境
$ vi /etc/ld.so.conf.d/nccl.conf
加上下面目錄
/usr/local/nccl/lib/
然后執(zhí)行
$ sudo ldconfig
安裝完后回python按步驟一再次檢查是否環(huán)境都好使了
二、撰寫Python測試程序
# -*- coding:utf-8 -*-
# 用于模型的單張圖像分類操作
import os
os.environ['GLOG_minloglevel'] = '2' # 將caffe的輸出log信息不顯示，必須放到import caffe前
import caffe # caffe 模塊
from caffe.proto import caffe_pb2
from google.protobuf import text_format
import numpy as np
import cv2
import matplotlib.pyplot as plt
import time
import skimage.io
global num
num = 0
def detect(image1,net):
# 傳進來的image1的dtype為uint8
# print image1.shape
# print image1.dtype
# print image1.size
# image = np.array(image1, dtype=np.float32)
# image = caffe.io.resize_image(image1, (480, 640))
image = skimage.img_as_float(image1).astype(np.float32)
# image = caffe.io.resize_image(image2, (300, 300))
# skimage.io.imsave("photo.png", image)
# cv2.imwrite("photo.png", image)
# image = caffe.io.load_image(caffe_root + 'examples/images/bird.jpg')
# 以下方式讀取的imaged的dtype為float32
# image = caffe.io.load_image(caffe_root + 'photo.png')
# image = caffe.io.load_image(image1)
# 改變dtype
# image.dtype = 'float32'
# print 'mode:'+image.mode
# print image.shape
# print image.dtype
# print image.size
# plt.imshow(image)
# * Run the net and examine the top_k results
# In[5]:
global num
num += 1
print 'image num:' + str(num)
transformed_image = transformer.preprocess('data', image)
net.blobs['data'].data[...] = transformed_image
time_start=time.time()
# Forward pass.
net.forward()
time_end=time.time()
print 'time:' + str(time_end-time_start) + ' s'
loc = net.blobs['bbox-list'].data[0]
print(loc)
#查看了結(jié)構(gòu)文件發(fā)現(xiàn)在CAFFE一開始圖像輸入的時候就已經(jīng)將圖片縮小了，寬度1248高度384
#然后我們在net.blobs['bbox-list'].data得到的是偵測到的目標座標，但是是相對于1248*384的
#所以我們要把座標轉(zhuǎn)換回相對原大小的位置，下面im.shape是保存在原尺寸的寬高，
for l in range(len(loc)):
xmin = int(loc[l][0] * image.shape[1] / 1248)
ymin = int(loc[l][1] * image.shape[0] / 384)
xmax = int(loc[l][2] * image.shape[1] /1248)
ymax = int(loc[l][3] * image.shape[0] / 384)
#在該座標位置畫一個方框
cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (55 / 255.0, 255 / 255.0, 155 / 255.0), 2)
# 顯示結(jié)果
#plt.imshow(image, 'brg')
#plt.show()
cv2.imshow('img', image)
def show_info(cam):
print 'POS_FRAMES:'+str(cam.get(1))
print 'FRAME_COUNT:'+str(cam.get(7))
print 'FORMAT:'+str(cam.get(8))
print 'MODE:'+str(cam.get(9))
print 'SATURATION:'+str(cam.get(12))
print 'FPS:'+str(cam.get(5))
#CPU或GPU模型轉(zhuǎn)換
caffe.set_mode_gpu()
#caffe.set_mode_cpu()
#caffe.set_device(0)
caffe_root = '/var/smb/work/mycode/'
# 網(wǎng)絡(luò)參數(shù)（權(quán)重）文件
caffemodel = caffe_root + 'module/detectnet/snapshot_iter_2391.caffemodel'
# 網(wǎng)絡(luò)實施結(jié)構(gòu)配置文件
deploy = caffe_root + 'module/detectnet/deploy.prototxt'
img_root = caffe_root + 'data/'
# 網(wǎng)絡(luò)實施分類
net = caffe.Net(deploy, # 定義模型結(jié)構(gòu)
caffemodel, # 包含了模型的訓練權(quán)值
caffe.TEST) # 使用測試模式(不執(zhí)行dropout)
# 加載ImageNet圖像均值 (隨著Caffe一起發(fā)布的)
print(os.environ['PYTHONPATH'])
#mu = np.load(os.environ['PYTHONPATH'] + '/caffe/imagenet/ilsvrc_2012_mean.npy')
#mu = mu.mean(1).mean(1) # 對所有像素值取平均以此獲取BGR的均值像素值
# 圖像預處理
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))
#transformer.set_mean('data', mu)
transformer.set_raw_scale('data', 255)
transformer.set_channel_swap('data', (2,1,0))
# 處理圖像
cam = cv2.VideoCapture(0)
if cam.isOpened():
cam.set(3, 400)
cam.set(4, 300)
cam.set(5, 3)
time.sleep(6)
cam.set(15, -8.0)
size = (int(cam.get(3)), int(cam.get(4)))
print 'size:'
print size
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
# cnt=2
# while cnt:
# cnt -= 1
while cam.isOpened():
ret, img = cam.read()
if ret:
#show_info(cam)
detect(img,net)
if 0xFF == ord('q') & cv2.waitKey(5) == 27:
break
# time.sleep(0.033)
cam.release()
cv2.destroyAllWindows()
介面上會打印bbox也就是偵測到的目標在圖像的座標，另外請自行修改python代碼里的相關(guān)目錄，
我用自己訓練的KITTI數(shù)據(jù)集，用于偵測車輛，因為拍不到車子拿手機欺騙一下，好使
以上這篇python+opencv+caffe+攝像頭做目標檢測的實例代碼就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要從函數(shù)開始介紹展開Python函數(shù)，以最基本的函數(shù)定義方法描述,需要的朋友可以參考下文簡單的介紹2021-08-08
selenium+unittest實現(xiàn)web自動化的示例代碼
本文主要介紹了selenium+unittest實現(xiàn)web自動化的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
這篇文章主要介紹了Python中的字符串切片（截取字符串）的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
在本篇內(nèi)容里小編給大家整理了關(guān)于pycharm導入源碼的具體步驟，有需要的朋友們可以參考學習下。2020-08-08
使用tf.keras.MaxPooling1D出現(xiàn)錯誤問題及解決
這篇文章主要介紹了使用tf.keras.MaxPooling1D出現(xiàn)錯誤問題及解決方案，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-12-12
Django用戶認證系統(tǒng) 組與權(quán)限解析
這篇文章主要介紹了Django用戶認證系統(tǒng) 組與權(quán)限解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08
基于numpy.random.randn()與rand()的區(qū)別詳解
下面小編就為大家分享一篇基于numpy.random.randn()與rand()的區(qū)別詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
Mac中PyCharm配置Anaconda環(huán)境的方法
這篇文章主要介紹了Mac中PyCharm配置Anaconda環(huán)境的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-03-03
當我們處理數(shù)據(jù)時,有時候需要創(chuàng)建多個列表以存儲不同類型或不同條件下的數(shù)據(jù),在Python中,我們可以利用循環(huán)來快速、高效地創(chuàng)建這些列表,本文將介紹如何使用循環(huán)在Python中創(chuàng)建多個列表,需要的可以參考下2024-04-04
python保留小數(shù)函數(shù)的幾種使用總結(jié)
本文主要介紹了python保留小數(shù)函數(shù)的幾種使用總結(jié)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-02-02