一篇文章搞懂裝飾器所有用法(建議收藏)
01. 裝飾器語法糖
如果你接觸 Python 有一段時間了的話,想必你對 @
符號一定不陌生了,沒錯 @
符號就是裝飾器的語法糖。
它放在一個函式開始定義的地方,它就像一頂帽子一樣戴在這個函式的頭上。和這個函式繫結在一起。在我們呼叫這個函式的時候,第一件事並不是執行這個函式,而是將這個函式做為引數傳入它頭頂上這頂帽子,這頂帽子我們稱之為裝飾函式
或 裝飾器
。
你要問我裝飾器可以實現什麼功能?我只能說你的腦洞有多大,裝飾器就有多強大。
裝飾器的使用方法很固定:
- 先定義一個裝飾函式(帽子)(也可以用類、偏函式實現)
- 再定義你的業務函式、或者類(人)
- 最後把這頂帽子帶在這個人頭上
裝飾器的簡單的用法有很多,這裡舉兩個常見的。
- 日誌列印器
- 時間計時器
02. 入門用法:日誌列印器
首先是日誌列印器。
實現的功能:
- 在函式執行前,先列印一行日誌告知一下主人,我要執行函數了。
- 在函式執行完,也不能拍拍屁股就走人了,咱可是有禮貌的程式碼,再列印一行日誌告知下主人,我執行完啦。
# 這是裝飾函式 def logger(func): def wrapper(*args, **kw): print('我準備開始計算:{} 函數了:'.format(func.__name__)) # 真正執行的是這行。 func(*args, **kw) print('啊哈,我計算完啦。給自己加個雞腿!!') return wrapper
假如,我的業務函式是,計算兩個數之和。寫好後,直接給它帶上帽子。
@logger
def add(x, y):
print('{} + {} = {}'.format(x, y, x+y))
然後我們來計算一下。
add(200, 50)
快來看看輸出了什麼,神奇不?
我準備開始計算:add 函數了:
200 + 50 = 250
啊哈,我計算完啦。給自己加個雞腿!
03. 入門用法:時間計時器
再來看看 時間計時器
實現功能:顧名思義,就是計算一個函式的執行時長。
# 這是裝飾函式 def timer(func): def wrapper(*args, **kw): t1=time.time() # 這是函式真正執行的地方 func(*args, **kw) t2=time.time() # 計算下時長 cost_time = t2-t1 print("花費時間:{}秒".format(cost_time)) return wrapper
假如,我們的函式是要睡眠10秒。這樣也能更好的看出這個計算時長到底靠不靠譜。
import time
@timer
def want_sleep(sleep_time):
time.sleep(sleep_time)
want_sleep(10)
來看看,輸出。真的是10秒耶。真歷害!!!
花費時間:10.0073800086975098秒
04. 進階用法:帶引數的函式裝飾器
通過上面簡單的入門,你大概已經感受到了裝飾的神奇魅力了。
不過,裝飾器的用法遠不止如此。我們今天就要把這個知識點講透。
上面的例子,裝飾器是不能接收引數的。其用法,只能適用於一些簡單的場景。不傳參的裝飾器,只能對被裝飾函式,執行固定邏輯。
如果你有經驗,你一定經常在專案中,看到有的裝飾器是帶有引數的。
裝飾器本身是一個函式,既然做為一個函式都不能攜帶函式,那這個函式的功能就很受限。只能執行固定的邏輯。這無疑是非常不合理的。而如果我們要用到兩個內容大體一致,只是某些地方不同的邏輯。不傳參的話,我們就要寫兩個裝飾器。小明覺得這不能忍。
那麼裝飾器如何實現傳參
呢,會比較複雜,需要兩層巢狀。
同樣,我們也來舉個例子。
我們要在這兩個函式的執行的時候,分別根據其國籍,來說出一段打招呼的話。
def american():
print("我來自中國。")
def chinese():
print("I am from America.")
在給他們倆戴上裝飾器的時候,就要跟裝飾器說,這個人是哪國人,然後裝飾器就會做出判斷,打出對應的招呼。
戴上帽子後,是這樣的。
@say_hello("china")
def american():
print("我來自中國。")
@say_hello("america")
def chinese():
print("I am from America.")
萬事俱備,只差帽子了。來定義一下,這裡需要兩層巢狀。
def say_hello(contry):
def wrapper(func):
def deco(*args, **kwargs):
if contry == "china":
print("你好!")
elif contry == "america":
print('hello.')
else:
return
# 真正執行函式的地方
func(*args, **kwargs)
return deco
return wrapper
執行一下
american()
print("------------")
chinese()
看看輸出結果。
你好!
我來自中國。
------------
hello.
I am from America
emmmm,這很NB。。。
05. 高階用法:不帶引數的類裝飾器
以上都是基於函式實現的裝飾器,在閱讀別人程式碼時,還可以時常發現還有基於類實現的裝飾器。
基於類裝飾器的實現,必須實現 __call__
和 __init__
兩個內建函式。
__init__
:接收被裝飾函式
__call__
:實現裝飾邏輯。
class logger(object):
def __init__(self, func):
self.func = func
def __call__(self, *args, **kwargs):
print("[INFO]: the function {func}() is running..."\
.format(func=self.func.__name__))
return self.func(*args, **kwargs)
@logger
def say(something):
print("say {}!".format(something))
say("hello")
執行一下,看看輸出
[INFO]: the function say() is running...
say hello!
06. 高階用法:帶引數的類裝飾器
上面不帶引數的例子,你發現沒有,只能列印INFO
級別的日誌,正常情況下,我們還需要列印DEBUG
WARNING
等級別的日誌。 這就需要給類裝飾器傳入引數,給這個函式指定級別了。
帶引數和不帶引數的類裝飾器有很大的不同。
__init__
:不再接收被裝飾函式,而是接收傳入引數。
__call__
:接收被裝飾函式,實現裝飾邏輯。
class logger(object):
def __init__(self, level='INFO'):
self.level = level
def __call__(self, func): # 接受函式
def wrapper(*args, **kwargs):
print("[{level}]: the function {func}() is running..."\
.format(level=self.level, func=func.__name__))
func(*args, **kwargs)
return wrapper #返回函式
@logger(level='WARNING')
def say(something):
print("say {}!".format(something))
say("hello")
我們指定WARNING
級別,執行一下,來看看輸出。
[WARNING]: the function say() is running...
say hello!
07. 使用偏函式與類實現裝飾器
絕大多數裝飾器都是基於函式和閉包實現的,但這並非製造裝飾器的唯一方式。
事實上,Python 對某個物件是否能通過裝飾器( @decorator
)形式使用只有一個要求:decorator 必須是一個“可被呼叫(callable)的物件。
對於這個 callable 物件,我們最熟悉的就是函數了。
除函式之外,類也可以是 callable 物件,只要實現了__call__
函式(上面幾個盒子已經接觸過了),還有比較少人使用的偏函式也是 callable 物件。
接下來就來說說,如何使用 類和偏函式結合實現一個與眾不同的裝飾器。
如下所示,DelayFunc 是一個實現了 __call__
的類,delay 返回一個偏函式,在這裡 delay 就可以做為一個裝飾器。(以下程式碼摘自 Python工匠:使用裝飾器的小技巧)
import time
import functools
class DelayFunc:
def __init__(self, duration, func):
self.duration = duration
self.func = func
def __call__(self, *args, **kwargs):
print(f'Wait for {self.duration} seconds...')
time.sleep(self.duration)
return self.func(*args, **kwargs)
def eager_call(self, *args, **kwargs):
print('Call without delay')
return self.func(*args, **kwargs)
def delay(duration):
"""
裝飾器:推遲某個函式的執行。
同時提供 .eager_call 方法立即執行
"""
# 此處為了避免定義額外函式,
# 直接使用 functools.partial 幫助構造 DelayFunc 例項
return functools.partial(DelayFunc, duration)
我們的業務函式很簡單,就是相加
@delay(duration=2)
def add(a, b):
return a+b
來看一下執行過程
>>> add # 可見 add 變成了 Delay 的例項
<__main__.DelayFunc object at 0x107bd0be0>
>>>
>>> add(3,5) # 直接呼叫例項,進入 __call__
Wait for 2 seconds...
8
>>>
>>> add.func # 實現例項方法
<function add at 0x107bef1e0>
08. 如何寫能裝飾類的裝飾器?
用 Python 寫單例模式的時候,常用的有三種寫法。其中一種,是用裝飾器來實現的。
以下便是我自己寫的裝飾器版的單例寫法。
instances = {}
def singleton(cls):
def get_instance(*args, **kw):
cls_name = cls.__name__
print('===== 1 ====')
if not cls_name in instances:
print('===== 2 ====')
instance = cls(*args, **kw)
instances[cls_name] = instance
return instances[cls_name]
return get_instance
@singleton
class User:
_instance = None
def __init__(self, name):
print('===== 3 ====')
self.name = name
可以看到我們用singleton 這個裝飾函式來裝飾 User 這個類。裝飾器用在類上,並不是很常見,但只要熟悉裝飾器的實現過程,就不難以實現對類的裝飾。在上面這個例子中,裝飾器就只是實現對類例項的生成的控制而已。
其例項化的過程,你可以參考我這裡的除錯過程,加以理解。
09. wrapper 裝飾器有啥用?
在 functools 標準庫中有提供一個 wrapper 裝飾器,你應該也經常見過,那他有啥用呢?
先來看一個例子
def wrapper(func):
def inner_function():
pass
return inner_function
@wrapper
def wrapped():
pass
print(wrapped.__name__)
#inner_function
為什麼會這樣子?不是應該返回 func
嗎?
這也不難理解,因為上邊執行func
和下邊 decorator(func)
是等價的,所以上面 func.__name__
是等價於下面decorator(func).__name__
的,那當然名字是 inner_function
def wrapper(func):
def inner_function():
pass
return inner_function
def wrapped():
pass
print(wrapper(wrapped).__name__)
#inner_function
那如何避免這種情況的產生?方法是使用 functools .wrapper 裝飾器,它的作用就是將 被修飾的函式(wrapped) 的一些屬性值賦值給 修飾器函式(wrapper) ,最終讓屬性的顯示更符合我們的直覺。
from functools import wraps
def wrapper(func):
@wraps(func)
def inner_function():
pass
return inner_function
@wrapper
def wrapped():
pass
print(wrapped.__name__)
# wrapped
準確點說,wrapper 其實是一個偏函式物件(partial),原始碼如下
def wraps(wrapped,
assigned = WRAPPER_ASSIGNMENTS,
updated = WRAPPER_UPDATES):
return partial(update_wrapper, wrapped=wrapped,
assigned=assigned, updated=updated)
可以看到wraps其實就是呼叫了一個函式update_wrapper
,知道原理後,我們改寫上面的程式碼,在不使用 wraps的情況下,也可以讓 wrapped.__name__
打印出 wrapped,程式碼如下:
from functools import update_wrapper
def wrapper(func):
def inner_function():
pass
update_wrapper(func, inner_function)
return inner_function
def wrapped():
pass
print(wrapped.__name__)
# wrapped
10. 內建裝飾器:property
以上,我們介紹的都是自定義的裝飾器。
其實Python語言本身也有一些裝飾器。比如property
這個內建裝飾器,我們再熟悉不過了。
它通常存在於類中,可以將一個函式定義成一個屬性,屬性的值就是該函式return的內容。
通常我們給例項繫結屬性是這樣的
class Student(object):
def __init__(self, name, age=None):
self.name = name
self.age = age
# 例項化
XiaoMing = Student("小明")
# 新增屬性
XiaoMing.age=25
# 查詢屬性
XiaoMing.age
# 刪除屬性
del XiaoMing.age
但是稍有經驗的開發人員,一下就可以看出,這樣直接把屬性暴露出去,雖然寫起來很簡單,但是並不能對屬性的值做合法性限制。為了實現這個功能,我們可以這樣寫。
class Student(object):
def __init__(self, name):
self.name = name
self.name = None
def set_age(self, age):
if not isinstance(age, int):
raise ValueError('輸入不合法:年齡必須為數值!')
if not 0 < age < 100:
raise ValueError('輸入不合法:年齡範圍必須0-100')
self._age=age
def get_age(self):
return self._age
def del_age(self):
self._age = None
XiaoMing = Student("小明")
# 新增屬性
XiaoMing.set_age(25)
# 查詢屬性
XiaoMing.get_age()
# 刪除屬性
XiaoMing.del_age()
上面的程式碼設計雖然可以變數的定義,但是可以發現不管是獲取還是賦值(通過函式)都和我們平時見到的不一樣。
按照我們思維習慣應該是這樣的。
# 賦值
XiaoMing.age = 25
# 獲取
XiaoMing.age
那麼這樣的方式我們如何實現呢。請看下面的程式碼。
class Student(object):
def __init__(self, name):
self.name = name
self.name = None
@property
def age(self):
return self._age
@age.setter
def age(self, value):
if not isinstance(value, int):
raise ValueError('輸入不合法:年齡必須為數值!')
if not 0 < value < 100:
raise ValueError('輸入不合法:年齡範圍必須0-100')
self._age=value
@age.deleter
def age(self):
del self._age
XiaoMing = Student("小明")
# 設定屬性
XiaoMing.age = 25
# 查詢屬性
XiaoMing.age
# 刪除屬性
del XiaoMing.age
用@property
裝飾過的函式,會將一個函式定義成一個屬性,屬性的值就是該函式return的內容。同時,會將這個函式變成另外一個裝飾器。就像後面我們使用的@age.setter
和@age.deleter
。
@age.setter
使得我們可以使用XiaoMing.age = 25
這樣的方式直接賦值。
@age.deleter
使得我們可以使用del XiaoMing.age
這樣的方式來刪除屬性。
property 的底層實現機制是「描述符」,為此我還寫過一篇文章。
這裡也介紹一下吧,正好將這些看似零散的文章全部串起來。
如下,我寫了一個類,裡面使用了 property 將 math 變成了類例項的屬性
class Student:
def __init__(self, name):
self.name = name
@property
def math(self):
return self._math
@math.setter
def math(self, value):
if 0 <= value <= 100:
self._math = value
else:
raise ValueError("Valid value must be in [0, 100]")
為什麼說 property 底層是基於描述符協議的呢?通過 PyCharm 點選進入 property 的原始碼,很可惜,只是一份類似文件一樣的偽原始碼,並沒有其具體的實現邏輯。
不過,從這份偽原始碼的魔法函式結構組成,可以大體知道其實現邏輯。
這裡我自己通過模仿其函式結構,結合「描述符協議」來自己實現類 property
特性。
程式碼如下:
class TestProperty(object):
def __init__(self, fget=None, fset=None, fdel=None, doc=None):
self.fget = fget
self.fset = fset
self.fdel = fdel
self.__doc__ = doc
def __get__(self, obj, objtype=None):
print("in __get__")
if obj is None:
return self
if self.fget is None:
raise AttributeError
return self.fget(obj)
def __set__(self, obj, value):
print("in __set__")
if self.fset is None:
raise AttributeError
self.fset(obj, value)
def __delete__(self, obj):
print("in __delete__")
if self.fdel is None:
raise AttributeError
self.fdel(obj)
def getter(self, fget):
print("in getter")
return type(self)(fget, self.fset, self.fdel, self.__doc__)
def setter(self, fset):
print("in setter")
return type(self)(self.fget, fset, self.fdel, self.__doc__)
def deleter(self, fdel):
print("in deleter")
return type(self)(self.fget, self.fset, fdel, self.__doc__)
然後 Student 類,我們也相應改成如下
class Student:
def __init__(self, name):
self.name = name
# 其實只有這裡改變
@TestProperty
def math(self):
return self._math
@math.setter
def math(self, value):
if 0 <= value <= 100:
self._math = value
else:
raise ValueError("Valid value must be in [0, 100]")
為了儘量讓你少產生一點疑惑,我這裡做兩點說明:
- 使用
TestProperty
裝飾後,math
不再是一個函式,而是TestProperty
類的一個例項。所以第二個math函式可以使用math.setter
來裝飾,本質是呼叫TestProperty.setter
來產生一個新的TestProperty
例項賦值給第二個math
。 - 第一個
math
和第二個math
是兩個不同TestProperty
例項。但他們都屬於同一個描述符類(TestProperty),當對 math 對於賦值時,就會進入TestProperty.__set__
,當對math 進行取值裡,就會進入TestProperty.__get__
。仔細一看,其實最終訪問的還是Student例項的_math
屬性。
說了這麼多,還是執行一下,更加直觀一點。
# 執行後,會直接列印這一行,這是在例項化 TestProperty 並賦值給第二個math
in setter
>>>
>>> s1.math = 90
in __set__
>>> s1.math
in __get__
90
如對上面程式碼的執行原理,有疑問的同學,請務必結合上面兩點說明加以理解,那兩點相當關鍵。
11. 其他裝飾器:裝飾器實戰
讀完並理解了上面的內容,你可以說是Python高手了。別懷疑,自信點,因為很多人都不知道裝飾器有這麼多用法呢。
在我看來,使用裝飾器,可以達到如下目的:
- 使程式碼可讀性更高,逼格更高;
- 程式碼結構更加清晰,程式碼冗餘度更低;
剛好我在最近也有一個場景,可以用裝飾器很好的實現,暫且放上來看看。
這是一個實現控制函式執行超時的裝飾器。如果超時,則會丟擲超時異常。
有興趣的可以看看。
import signal
class TimeoutException(Exception):
def __init__(self, error='Timeout waiting for response from Cloud'):
Exception.__init__(self, error)
def timeout_limit(timeout_time):
def wraps(func):
def handler(signum, frame):
raise TimeoutException()
def deco(*args, **kwargs):
signal.signal(signal.SIGALRM, handler)
signal.alarm(timeout_time)
func(*args, **kwargs)
signal.alarm(0)
return deco
return wraps
相關推薦
一篇文章搞懂裝飾器所有用法(建議收藏)
01. 裝飾器語法糖 如果你接觸 Python 有一段時間了的話,想必你對 @ 符號一定不陌生了,沒錯 @ 符號就是裝飾器的語法糖。 它放在一個函式開始定義的地方,它就像一頂帽子一樣戴在這個函式的頭上。和這個函式繫結在一起。在我們呼叫這個函式的時候,第一件事並不是執行這個函式,而是將這個函式做為引數傳入它頭頂
一篇文章搞懂DOM
換圖 什麽 設置 點綁定 function ech center 又是 sem 學習JavaScript肯定是會遇到DOM操作,那麽什麽是DOM?它又是幹嘛用的?這篇文章為你揭曉答案。 DOM是document object model的縮寫,簡稱文檔對象模型。 簡單的說D
一篇文章搞懂人臉識別的十個概念
可用 tracking dataguru tag 沒有 優化 幫助 clu com (轉載自http://ai.dataguru.cn/article-11640-1.html) 實驗室研究人臉技術多年,不僅在技術方面有很好的積累,而且在公司內外的業務中有眾多應用。在
一篇文章搞懂DataSet、DataFrame、RDD-《每日五分鐘搞定大數據》
implicit 操作數 frame 大數據 函數 for 臨時 變量 ade 1. 三者共性: 1、RDD、DataFrame、Dataset全都是spark平臺下的分布式彈性數據集,為處理超大型數據提供便利 2、三者都有惰性機制,執行trainform操作時不會立即執
一篇文章搞懂DataSet、DataFrame、RDD
1. 三者共性: 1、RDD、DataFrame、Dataset全都是spark平臺下的分散式彈性資料集,為處理超大型資料提供便利 2、三者都有惰性機制,執行trainform操作時不會立即執行,遇到Action才會執行 3、三者都會根據spark的記憶體情況自動快取運算,這樣即使資
一篇文章搞懂DataSet、DataFrame、RDD-《每日五分鐘搞定大資料》
1. 三者共性: 1、RDD、DataFrame、Dataset全都是spark平臺下的分散式彈性資料集,為處理超大型資料提供便利 2、三者都有惰性機制,執行trainform操作時不會立即執行,遇到Action才會執行 3、三者都會根據spark的記憶體情況自動快取運算,這樣即使資料量很大,也不用擔心會
Docker入門實踐筆記(三)一篇文章搞懂Docker下安裝Redis,以及Redis與SpringBoot整合
@Configuration public class RedisConfig { /** * 注入 RedisConnectionFactory */ @Autowired RedisConnectionFactory redisConnectionFacto
一篇文章搞懂高階程式設計師、架構師、技術總監、CTO從薪資到技能的區別
“ 我希望用一篇文章完全讓大家正確的理解從程式設計師到架構師、技術經理、技術總監、CTO的完整區別以及進階要領。 只有客觀去認識,才會更加合理的找到自己的擅長點,從而更好的發展自己。 上圖是典型的薪資結構圖,我們先從高階程式設計師談起。 高階程式設計師 一
一篇文章搞懂人工智慧、機器學習和深度學習之間的區別
概述2015年11月9日,Google釋出人工智慧系統TensorFlow並宣佈開源。這兩年在不管在國內還是在國外,人工智慧、機器學習彷彿一夜之前傳遍大街小巷。機器學習作為人工智慧的一種型別,可以讓軟體根據大量的資料來對未來的情況進行闡述或預判。如今,領先的科技巨頭無不在機器
【朝花夕拾】一篇文章搞懂Android跨程序通訊
前言 只要是面試中高階工程師崗位,Android跨程序通訊就是最受面試官青睞的知識點。Android系統的執行由大量相互獨立的程序相互協助來完成的,所以Android程序間通訊問題,是做好Android開發高階工程師必須要跨過的一道坎。如果您還對這方面的
一篇文章搞懂leetcode位操作演算法題
本文將根據題目總結常用的位操作常用的解決演算法問題的技巧 Single Number落單的數 給出2*n + 1 個的數字,除其中一個數字之外其他每個數字均出現兩次,找到這個數字。 思路: 一個數字和自己進行異或操作會是0,由於異或操作滿足交換定律,一個數和0進
一篇文章搞懂到底什麼是渲染流水線
本文實際上是《Unity Shader入門精要》一書的讀書筆記,書中關於渲染流水線的講解清楚易懂,非常適合作為Shader學習的入門書籍。自知好記性不如爛筆頭,遂將相關內容再結合自己的一些理解寫作這篇部落格記錄下來。 我們將影象繪製的流程稱為渲染流水線,是由CPU和GPU協作完成的。一般一個渲染流程可以分成
五分鐘學Java:一篇文章搞懂spring和springMVC
原創宣告 本文作者:黃小斜 轉載請務必在文章開頭註明出處和作者。 本文思維導圖 什麼是Spring,為什麼你要學習spring? 你第一次接觸spring框架是在什麼時候?相信很多人和我一樣,第一次瞭解spring都不是做專案的時候用到,而是在網上看到或者是聽到過一個叫做spring的框架,這個框架號稱完
一篇文章搞懂filebeat(ELK)
本文使用的filebeat是7.7.0的版本本文從如下幾個方面說明: filebeat是什麼,可以用來幹嘛 filebeat的原理是怎樣的,怎麼構成的 filebeat應該怎麼玩 一、filebeat是什麼 1.1、filebeat和beats的關係 首先filebeat是Beats中的一員。 Be
[轉自有道]十六種英語時態傻傻分不清?一篇文章告訴你它們的所有用法
時態Tense是表示行為、動作和狀態在各種時間條件下的動詞形式。因此,當我們說時態結構的時候,指的是相應時態下的動詞形式 英語時態共有16種,分別是一般現在、一般過去、一般將來、過去將來時,以及這四者的進行時、完成時和完成進行時 在不同的時態中,動詞都會發生相應變化,時間狀
一篇文章看懂TPCx-BB(大資料基準測試工具)原始碼
TPCx-BB是大資料基準測試工具,它通過模擬零售商的30個應用場景,執行30個查詢來衡量基於Hadoop的大資料系統的包括硬體和軟體的效能。其中一些場景還用到了機器學習演算法(聚類、線性迴歸等)。為了更好地瞭解被測試的系統的效能,需要對TPCx-BB整個測試流程深入瞭解。本文詳細分析了整個TPCx
一篇文章搞定你的spring定時器
Cron表示式是一個字串,字串以5或6個空格隔開,分開工6或7個域,每一個域代表一個含義,Cron有如下兩種語法 格式: Seconds Minutes Hours DayofMonth Month DayofWeek Year 或 Seconds Minutes Hours DayofMo
面試專欄|一篇文章搞定ArrayList和LinkedList所有面試問題
在面試中經常碰到:ArrayList和LinkedList的特點和區別? 個人認為這個問題的回答應該分成這幾部分: 介紹ArrayList底層實現 介紹LinkedList底層實現 兩者個適用於哪些場合 本文也是按照上面這幾部分組織的。 ArrayList的原始碼解析
一篇文章學懂Shell腳本
總結 當前 工程 chmod unix ima date don auto Shell腳本,就是利用Shell的命令解釋的功能,對一個純文本的文件進行解析,然後執行這些功能,也可以說Shell腳本就是一系列命令的集合。Shell可以直接使用在win/Unix/Linux
一篇文章看懂物體檢測的發展脈絡 轉
現實生活 有關 攝像頭 層次 contex 人的 圖像特征 其實在 展示 轉 https://zhuanlan.zhihu.com/p/28399320 第一,什麽是物體檢測,如何去評價一個物體裏系統的好壞。 第二,物體檢測整個的框架是怎麽樣的?它一般包含了圖像的分類