在coldfusion9下用round和numberformat做四舍五入不可靠

本文探讨了特定数值下浮点数运算与四舍五入处理的差异,通过实例展示了直接乘法与四舍五入操作可能导致的结果不同,并提供了解决方案。
round(2619.615*100)的结果是不等于round(261961.5)
下面是演示代码:
<cfoutput>round(2619.615)=#round(2619.615)#</cfoutput><br/>
<cfoutput>round(261961.4)=#round(261961.4)#</cfoutput><br/>
<cfoutput>round(261961.5)=#round(261961.5)#</cfoutput><br/>
<cfoutput>round(261961.6)=#round(261961.6)#</cfoutput><br/>
<cfoutput>2619.615*100=#2619.615*100#</cfoutput><br/>
<cfoutput>round(2619.614*100)=#round(2619.614*100)#</cfoutput><br/>
<cfoutput>round(2619.615*100)=#round(2619.615*100)#</cfoutput><br/>
<cfoutput>round(2619.616*100)=#round(2619.616*100)#</cfoutput><br/>
<cfoutput>round(2619.615*100)/100=#round(2619.615*100)/100#</cfoutput><br/>
<cfoutput>numberformat(2619.615,0.00)=#numberformat(2619.615,0.00)#</cfoutput><br/>
<cfoutput>numberformat(2619.615*100,0.00)=#numberformat(2619.615*100,0.00)#</cfoutput><br/>
<cfoutput>numberformat(2619.614*100,0)=#numberformat(2619.614*100,0)#</cfoutput><br/>
<cfoutput>numberformat(2619.615*100,0)=#numberformat(2619.615*100,0)#</cfoutput><br/>
<cfoutput>numberformat(2619.616*100,0)=#numberformat(2619.616*100,0)#</cfoutput><br/>
<cfoutput>numberformat(261961.4,0)=#numberformat(261961.4,0)#</cfoutput><br/>
<cfoutput>numberformat(261961.5,0)=#numberformat(261961.5,0)#</cfoutput><br/>
<cfoutput>numberformat(261961.6,0)=#numberformat(261961.6,0)#</cfoutput><br/>

<cfoutput>Round(961.5)=#Round(961.5)#</cfoutput><br/>
<cfoutput>Round(9.615*100)=#Round(9.615*100)#</cfoutput><br/>
<cfoutput>Round(1961.5)=#Round(1961.5)#</cfoutput><br/>
<cfoutput>Round(19.615*100)=#Round(19.615*100)#</cfoutput><br/>
<cfoutput>Round(21961.5)=#Round(21961.5)#</cfoutput><br/>
<cfoutput>Round(219.615*100)=#Round(219.615*100)#</cfoutput><br/>
<cfoutput>Round(321961.5)=#Round(321961.5)#</cfoutput><br/>
<cfoutput>Round(3219.615*100)=#Round(3219.615*100)#</cfoutput><br/>
<cfoutput>Round(4321961.5)=#Round(4321961.5)#</cfoutput><br/>
<cfoutput>Round(43219.615*100)=#Round(43219.615*100)#</cfoutput><br/>

<cfset a=2619.615*100>
<cfoutput>a=2619.615*100=#a#</cfoutput><br/>
<cfoutput>round(a)=#round(a)#</cfoutput><br/>
<cfset b=261961.5>
<cfoutput>b=#b#</cfoutput><br/>
<cfoutput>round(b)=#round(b)#</cfoutput><br/>


结果

 

round(2619.615)=2620
round(261961.4)=261961
round(261961.5)=261962
round(261961.6)=261962
2619.615*100=261961.5
round(2619.614*100)=261961
round(2619.615*100)=261961
round(2619.616*100)=261962
round(2619.615*100)/100=2619.61
numberformat(2619.615,0.00)=2619.62
numberformat(2619.615*100,0.00)=261961.50
numberformat(2619.614*100,0)=261961
numberformat(2619.615*100,0)=261961
numberformat(2619.616*100,0)=261962
numberformat(261961.4,0)=261961
numberformat(261961.5,0)=261962
numberformat(261961.6,0)=261962
Round(961.5)=962
Round(9.615*100)=962
Round(1961.5)=1962
Round(19.615*100)=1961
Round(21961.5)=21962
Round(219.615*100)=21962
Round(321961.5)=321962
Round(3219.615*100)=321962
Round(4321961.5)=4321962
Round(43219.615*100)=4321962
a=2619.615*100=261961.5
round(a)=261961
b=261961.5
round(b)=261962

原因:估计是程序优化的结果。

解决方法:&一个空字符串,再让它自动转换类型

<cfoutput>round(2619.615*100)=#round(2619.615*100)#</cfoutput><br/>
<cfoutput>round(261961.5)=#round(261961.5)#</cfoutput><br/>
<cfoutput>round(2619.615*100 & "")=#round(2619.615*100 & "")#</cfoutput><br/>

结果

round(2619.615*100)=261961
round(261961.5)=261962
round(2619.615*100 & "")=261962


 


 

个人防护装备实例分割数据集 一、基础信息 • 数据集名称:个人防护装备实例分割数据集 • 图片数量: 训练集:4524张图片 • 训练集:4524张图片 • 分类类别: 手套(Gloves) 头盔(Helmet) 未戴手套(No-Gloves) 未戴头盔(No-Helmet) 未穿鞋(No-Shoes) 未穿背心(No-Vest) 鞋子(Shoes) 背心(Vest) • 手套(Gloves) • 头盔(Helmet) • 未戴手套(No-Gloves) • 未戴头盔(No-Helmet) • 未穿鞋(No-Shoes) • 未穿背心(No-Vest) • 鞋子(Shoes) • 背心(Vest) • 标注格式:YOLO格式,适用于实例分割任务,包含边界框或多边形坐标。 • 数据格式:图片数据,来源于监控或相关场景。 二、适用场景 • 工业安全监控系统开发:用于自动检测工人是否佩戴必要的个人防护装备,提升工作场所安全性,减少工伤风险。 • 智能安防应用:集成到监控系统中,实时分析视频流,识别PPE穿戴状态,辅助安全预警。 • 合规性自动化检查:在建筑、制造等行业,自动检查个人防护装备穿戴合规性,支持企业安全审计。 • 计算机视觉研究:支持实例分割、目标检测等算法在安全领域的创新研究,促进AI模型优化。 三、数据集优势 • 类别全面:覆盖8种常见个人防护装备及其缺失状态,提供丰富的检测场景,确保模型能处理各种实际情况。 • 标注精准:采用YOLO格式,每个实例都经过精细标注,边界框或多边形坐标准确,提升模型训练质量。 • 真实场景数据:数据来源于实际环境,增强模型在真实世界中的泛化能力实用性。 • 兼容性强:YOLO格式便于与主流深度学习框架(如YOLO、PyTorch等)集成,支持快速部署实验。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值