-
应使用TorchScript而非torch.load，因其生成无Python依赖的C++字节码，避免多进程反序列化失败；需eval()、固定输入shape/dtype、慎用trace、优先script；Flask中全局单例加载并显式.eval()和device绑定；预处理确保dtype/device一致，输出转CPU再tolist。
-
SQLAlchemy批量更新无法自动只改变化字段，必须手动比对新旧值并构造差异字典传给bulk_update_mappings()；若需ORM事件或默认值计算，则应使用merge()或逐个setattr后flush()。
-
用hash而不是原始字符串去重，因URL等字段存在空格、换行、编码差异等问题，直接比较易漏判；hash可归一化处理，提升稳定性，但需注意碰撞风险及内存管理、标准化、去重时机和分布式适配。
-
isinstance(obj,list)是判断对象是否为list的最准确方法，它检查实际类型而非可迭代性或行为；需严格排除子类时用type(obj)islist。
-
图像去噪核心在于真实噪声建模、严格配对数据、轻量模型（如DnCNN）与结构化损失（L1+加权SSIM），并全程监控残差和PSNR。
-
调试时临时验证用print，正式场景必须用logging；print适合开发初期快速探路，logging提供分级、定向、格式化和可维护的日志能力。
-
第60讲核心是理解数据流动底层逻辑而非工具堆砌：明确数据结构选择依据（规模、类型、更新方式），拆解计算链内存操作，还原真实分析断点（时区、ID匹配、时间过滤），并用“三问法”调试异常。
-
不用手动关文件，但不关易致ResourceWarning或Windows下删/重命名失败；推荐withopen()自动管理；readline()读首行含换行符，readline(1)仅读1字节；utf-8-sig可自动处理BOM；readline()内存占用仅为首行长度，远优于read().splitlines()[0]。
-
自定义异常类通过继承语言内置异常类，提升代码语义清晰度与可维护性，使错误处理更精准、可预测。在复杂业务场景中，如支付服务或用户注册系统，自定义异常能区分具体错误类型（如InsufficientBalanceException、InvalidUsernameFormatException），避免依赖模糊的通用异常或脆弱的字符串解析。通过建立合理的异常层次结构（如BaseBusinessException派生各类），结合错误码、异常链传递和统一异常处理策略（如全局处理器映射HTTP状态码），可实现精细化错误响
-
pytestfixture需用@pytest.fixture装饰，yield分隔准备与清理，作用域按需设置，依赖通过参数声明，共享需放conftest.py，配置应解耦避免硬编码。
-
选择排序核心是“找最小、换位置”，需用临时变量交换而非仅赋值，避免丢值；内层循环范围应为[i,len(arr)-1]，禁用min()和index()以防重复值错误。
-
asyncio.Queue更适合协程因其纯异步设计，所有操作返回awaitable，避免阻塞事件循环；而queue.Queue基于线程锁，在协程中调用会卡死整个循环。
-
答案：可通过生成器函数或表达式将迭代器封装为生成器。定义含yield的函数遍历迭代器，或用(xforxiniterator)语法实现转换，使迭代器具备生成器的惰性求值与内存优势。
-
Python中的set是无序、可变、元素唯一的内置类型，基于哈希表实现，支持高效成员判断、去重和集合运算；元素须为可哈希类型，不支持索引切片，空集合必须用set()创建。
-
gc.get_count()返回的三个数字分别代表第0、1、2代垃圾回收器自上次清理后新分配对象的净增量；它们反映各代当前堆积压力，而非已回收次数。
