-
多线程适用于I/O密集型NLP任务，如批量文件读取清洗、并发调用外部API、并行特征提取及请求预处理；需满足无强依赖和存在等待两个条件，推荐用concurrent.futures管理线程池。
-
多头注意力文本分类核心是将文本转为带全局语义的向量表示后接分类层，关键在于正确处理输入序列、位置编码、注意力掩码及维度对齐；需用Tokenizer统一长度并生成attention_mask，嵌入后加位置编码与LayerNorm，堆叠2–4层取[CLS]向量分类。
-
Pythonlogging模块需避免rootlogger，按模块名（如"app.db"）创建独立logger并设不同级别；通过多个Handler实现多目标输出；用dictConfig动态适配环境；注意basicConfig只生效一次、防Handler重复添加等陷阱。
-
OverflowError发生在浮点数运算结果超出范围时，如math.exp(1000)或2.0**10000；可通过try-except捕获、预判输入范围、使用对数空间（如logsumexp）或Decimal模块提高精度来避免。
-
正则表达式的关键在于理解NFA引擎的回溯机制、贪婪与懒惰的尝试顺序、捕获组的结构化作用及实战中的边界意识。
-
目标检测模型训练需遵循“标得准、配得对、训得稳”三原则：精准标注边界框与类别，按框架要求组织数据格式与配置文件，合理调参并监控loss与mAP，结合可视化分析错误类型以迭代优化。
-
正则化需平衡模型能力与过拟合抑制，图像分类中数据增强、Dropout、权重衰减和早停最实用：数据增强通过轻量变换扩充数据；Dropout在全连接层前随机屏蔽神经元；权重衰减在优化器中添加L2惩罚；早停配合学习率调度保存最佳权重。
-
当Python列表作为元素写入CSV文件时，csv模块会默认调用str()函数将其转换为字符串形式。这意味着列表的文本表示（包含方括号和引号）会被直接写入单元格，而非列表对象本身。读取时，需要额外的解析步骤才能恢复为原始列表结构，直接读取会得到一个字符串。
-
虚拟环境为Python项目提供独立空间，避免依赖冲突。使用venv创建虚拟环境：在项目目录运行python3-mvenv.venv，激活环境（Linux/macOS：source.venv/bin/activate；Windows：.venv\Scripts\activate），提示符显示环境名后即可用pip安装依赖。退出运行deactivate。requirements.txt记录依赖包及版本，生成命令为pipfreeze>requirements.txt，在新环境中先激活虚拟环境，再运行pipi
-
正则表达式中匹配空白字符的关键在于理解不同类型的空白符及其表示方式。1.常见空白字符包括普通空格、制表符（Tab）、换行符（\n）、回车符（\r）、换页符（\f）、全角空格（\u00A0）等；2.使用\s可匹配大多数常见空白字符，但在部分环境中需显式添加\u00A0以兼容全角空格；3.若仅需匹配特定空白，可手动指定如[\t]或[\t\n\r]；4.实际应用中需注意全角空格漏网、换行符跨平台差异及多空白合并等问题，例如用\s+替换为空格实现空白统一处理。掌握这些要点能更高效地应对文本处理中的空白问题。
-
单下划线在Python中有多种约定用途：1.前置单下划线如_helper表示内部使用，提示私有；2.在循环中用_作无关变量占位符；3.交互式环境中_保存上一表达式结果；4.国际化时_()作为翻译函数别名。
-
Python中类是对象模板，实例化生成独立对象并分配内存；实例属性属单个对象，类属性被所有实例共享；点号或getattr/setattr访问属性；self是实例方法必含的隐式参数。
-
字符串反转是将字符顺序颠倒，常用切片[::-1]实现，如"python"变"nohtyp"；也可用reversed()加join()或循环拼接，但切片最高效。
-
pandas读取Excel最常用pd.read_excel()，写入用df.to_excel()；需注意引擎依赖（如openpyxl、xlrd）、参数设置（sheet_name、skiprows、dtype等）及大文件优化策略。
-
Pandas的sort_values()函数是Python中处理表格型数据排序的核心工具，其优势在于支持单列或按多列复合排序，例如先按部门升序、再按年龄降序等，使用by参数指定列名列表，ascending参数控制每列的排序方向。此外，sort_values()还提供inplace参数决定是否修改原数据，na_position参数控制缺失值位置，默认为'last'，也可设为'first'。对于复杂排序需求，可以通过1.创建衍生列（如字符串长度、计算比率等）进行排序；2.利用CategoricalDtype定
