-
include_top=False必须设为False，因为要替换ImageNet的1000类输出层以适配自定义分类任务；设为True会冲突且无法冻结特征层。
-
__setattr__不能可靠捕获所有属性赋值，仅对点号赋值和setattr()生效；需用self.__dict__[key]=value避免递归，并在__init__中标记初始化状态以区分首次赋值与后续修改。
-
提升正则表达式性能的技巧包括：1.避免回溯，减少贪婪匹配，改用非贪婪模式或固化分组；2.合理使用锚点^、$、\b限定匹配位置；3.优先简单字符串判断再触发正则；4.预编译高频使用的正则对象。这些方法能有效减少程序卡顿，提高效率，尤其要重视回溯控制和结构优化。
-
time.time()不适合性能基准测试，因其精度低、受系统干扰大；应使用time.perf_counter()，配合多次运行、timeit模块合理配置、控制输入变量、避免缓存效应，并优先选用pytest-benchmark等专业工具。
-
本文讲解如何使用Django的filter()方法替代get()来安全获取多条数据库记录，并正确实现跨模型关联（如文件-学生信息），避免“get()returnedmorethanone”异常。
-
统计购物车中相同商品与数量的重复次数，可以按照以下步骤进行：1.数据结构准备假设你有一个购物车列表，每个条目包含商品ID、名称和数量。例如：cart=[{"id":1,"name":"苹果","quantity":2},{"id":2,"name":"香蕉","quantity":3},{"id":1,"name":"苹果","quantity":2},{"id":3,"name":"橙子","q
本文介绍如何在Python中高效统计数据库购物车表中同一用户下相同商品ID与数量组合的出现频次，适用于合并重复商品项的业务场景。
-
本文介绍使用scipy.integrate.quad_vec对每个元素均为关于同一变量的函数的矩阵值函数（即：输入为标量、输出为固定形状矩阵）进行高效、准确的逐元素数值积分，避免手动循环或错误的矢量化尝试。
-
最简可用Locust脚本需继承HttpUser、用@task装饰实例方法、通过self.client发请求并设host和headers；压测时应从小users/spawn-rate起步，关注RPS与响应时间曲线，结合服务端监控定位真实瓶颈。
-
get_type_hints()需作用于类对象（如B）而非实例（如b），才能递归解析父类注解；直接传入实例将仅返回该实例所属类的直接注解，忽略继承链。
-
delattr不会释放内存，仅从实例字典中移除属性名引用；它不触发垃圾回收，也不等价于del变量，常见于动态删除运行时生成的属性名。
-
元组和列表最核心的区别在于：元组是不可变对象，列表是可变对象。这意味着一旦创建，元组的元素不能被修改、添加或删除；而列表支持增删改查所有操作。这个“不可变性”不是语法限制，而是由Python对象模型决定的底层行为。不可变≠不能包含可变对象元组自身不可变，指的是它的元素个数和每个位置绑定的对象引用不能变。但它完全可以包含列表、字典等可变对象：t=([1,2],{"a":3})是合法元组t[0].append(3)可以执行——修改的是内部列表，元组指向该列表的引用没变
-
tf.config.list_physical_devices('GPU')仅列出GPU设备，不显示显存占用；需用tf.config.experimental.get_memory_info()（TF2.10+）或nvidia-smi获取实时显存用量。
-
AssertionError是Python中用于调试的内置异常，当assert语句条件为False时触发，语法为assertcondition,message；常用于检查函数参数、中间状态或测试结果，如calculate_discount中验证价格非负；它继承自Exception，但仅适用于开发阶段，可通过python-O禁用，不应用于生产环境的错误处理；避免在assert中执行有副作用的操作，且应提供清晰错误消息，如divide函数中提示“除数不能为零”；合理使用可提升调试效率，防止逻辑错误。
-
@functools.lru_cache不能当熔断器用，因其仅缓存结果、无超时控制、不统计失败率、无法响应临时故障；熔断需基于时间窗口的失败率/慢调用率、函数级状态隔离与硬超时机制。
-
eq和hash必须同步修改：若重写eq但未定义hash__，对象变为不可哈希；若支持哈希，需显式定义一致的__hash__；若含可变字段，应保持__hash为None。
