-
学Python做AI，数学是工具而非门槛：关键在理解数据结构与算法逻辑。通过NumPy实操数据形状、手推线性回归与sigmoid、掌握向量运算/概率直觉/微积分感觉，并从k-means等纯代码实现起步，再过渡到框架。
-
够安全，但需显式指定method='pbkdf2:sha256'和salt_length=32，并始终配对使用check_password_hash验证；旧密码可平滑升级，存储字段须足够长（如VARCHAR(255)）。
-
typing.overload仅为类型检查器提供多签名提示，函数体仍需手动处理逻辑；必须将多个无函数体的@overload声明置于最前，最后跟一个未装饰的实际实现。
-
PowerTransformer比StandardScaler更适合偏移分布，因其通过Box-Cox或Yeo-Johnson变换自动选λ拉直右偏长尾数据，支持零负值且与sklearn流水线兼容；但需显式指定method、standardize、copy参数，训练测试集共用同一实例，并注意逆变换依赖已拟合状态。
-
本文介绍如何用简洁、可扩展的方式，在Python字典（特别是defaultdict(set)）中批量验证多个键值对是否同时存在，避免重复冗长的if判断。
-
本文介绍一种基于内置dict插入顺序特性的轻量级缓存实现方案，无需自定义堆结构或同步双数据源，即可在O(1)平均查找、O(1)摊销插入、O(1)最老项淘汰的前提下，支持键存在性检查、时效验证与容量驱逐。
-
在VSCode中直接调试单个pytest测试函数，需先配置Python测试框架为pytest并完成测试发现，然后右键测试函数选择“DebugTest”即可自动启动带断点的调试会话；手动配置launch.json时须设"module":"pytest"、args指定具体测试路径如["tests/test.py::test_func"]，并确保cwd和PYTHONPATH正确。
-
NumPy广播按从右向左逐轴比对形状，每轴需相等或为1，否则报错；补前导1后兼容即生成新形状，但不复制数据，逻辑展开可能引发内存爆炸。
-
增量检查未生效的根本原因是缓存被绕过：修改pyproject.toml/mypy.ini配置、__init__.py等顶层模块，或使用--follow-imports=normal但存在未安装包，均触发全量重检；可通过--verbose日志、.mypy_cache目录及二次运行耗时验证缓存是否工作。
-
本文详解如何在PyTorch中避免for循环，使用向量化方式对二维张量按“每行独立索引列表”进行原地赋值（如设为-1），核心是将二维索引展平为一维线性索引并利用x.flatten()[indices]实现高效更新。
-
默认异常无法被pickle是因为其未实现__reduce__或默认实现仅返回类和空元组，不保存实例字段；需手动定义__reduce__返回(callable,args)二元组，确保参数均可序列化，并注意父类构造签名兼容性。
-
最直接的Python文档查阅方式有四种：一是交互环境中用help()函数，如help(len)；二是命令行运行pydoc工具，支持模块查询和本地服务器；三是访问官方在线文档网站；四是利用IDE快捷键（如VSCode的Ctrl+KCtrl+I）实时查看。
-
本文解释为何对含NaN的NumPy数组调用tuple()后哈希结果不稳定，而tobytes()可提供确定性哈希，并给出安全、高效的自定义类哈希实现方案。
-
Q对象组合必须显式加括号控制优先级，NOT需注意NULL处理，Q不能直接引用annotate字段或子查询外的聚合结果。
-
Python协程通过单线程+事件循环+非阻塞IO支撑数万连接，适用于I/O密集型场景；需设超时、心跳、并发限制防假死，CPU密集任务应交由线程池处理。
