-
layer.get_weights()返回按创建顺序排列的numpy.ndarray列表，每个元素对应层的可训练参数；需模型已build，无参层返回空列表，推荐用[tf.keras.backend.get_value(w)forwinlayer.weights]更稳定。
-
当Django模型从Quiz重命名为CarQuizz后，原有数据库表未自动迁移或删除，导致数据“消失”——只需在新模型中通过db_table指定旧表名，即可无缝复用历史数据，无需迁移或手动搬运。
-
Python爬虫需用prometheus_client的start_http_server启动HTTP服务暴露/metrics端点，不可仅依赖框架路由；须在独立线程运行、避免阻塞主逻辑，指标命名用snake_case并加业务前缀，更新须覆盖所有状态分支。
-
数据可视化是模型训练过程可理解、可诊断、可优化的关键环节，核心在于快速定位欠拟合/过拟合、梯度消失、数据偏斜、学习率不适等问题，常用TensorBoard+PyTorchLightning监控训练曲线、直方图分析特征与梯度分布、Grad-CAM诊断错误样本、t-SNE/UMAP检查数据分布一致性。
-
h5py在Python3.12中因构建系统兼容性问题（如绝对路径解析异常、正则转义警告升级为错误等）导致pip安装失败；降级至Python3.10或使用预编译二进制轮子可稳定解决。
-
mmap适用于超大文件的随机访问、内存受限场景及多进程共享，但不适用于单次顺序读取或小文件。
-
memoryview.cast()仅在底层缓冲区字节存储、目标dtype元素大小整除总字节数且对齐无冲突时实现零拷贝；bytes仅支持cast('B')，array.array和bytearray在长度匹配前提下可安全转换，numpy.ndarray支持更灵活的reinterpret_cast。
-
在Python中，sort()和sorted()的区别在于：1.sort()方法直接修改原列表，适用于不需要保留原列表的情况；2.sorted()函数返回新列表，不修改原列表，适用于需要保留原数据的场景。
-
direnv加载Python环境变量不生效，主因是shellhook未激活；需在~/.zshrc或~/.bashrc中添加eval"$(direnvhook$SHELL)"并source；.envrc中禁止裸export，须先direnvallow或用export_with_env；layoutpython可自动管理虚拟环境与PYTHONPATH，避免手动sourcevenv/bin/activate；gitclone后必须手动direnvallow才能加载.envrc。
-
is比较对象身份（内存地址），等价于id(a)==id(b)，用于None、单例等标识判断；==比较语义相等，调用__eq__方法，适用于值比较；小整数和字符串驻留是实现细节，不可依赖。
-
PyCharm找不到本地Python解释器是因为它不自动扫描系统路径，必须手动指定可执行文件的完整路径；需通过Settings→Project→PythonInterpreter→Add→SystemInterpreter添加，确保路径正确、权限正常、非快捷方式。
-
SQL注入只要拼接字符串就必然存在风险；防御必须严格使用参数化查询，ORM的filter()等安全，但raw()、extra()及f-string拼接均高危，且不同数据库驱动占位符语法不可混用。
-
设置n_jobs有时不提速甚至更慢，因算法本身不支持（如LogisticRegression的lbfgs求解器）、小数据下通信开销超收益、GridSearchCV与内层estimator双重并行导致OOM、Windows下spawn机制引发递归错误，以及pickle序列化大数组耗时。
-
FastAPI是开发高性能微服务的理想选择，因其支持异步编程、自动生成接口文档。1.安装FastAPI和Uvicorn并构建基础项目结构；2.在main.py初始化应用并引入路由模块，在routes.py编写具体接口逻辑；3.通过访问/docs或/redoc自动生成交互式API文档；4.整合常见功能如数据库操作（SQLAlchemy）、异步任务处理、环境变量管理（pydantic）及日志记录，提升服务实用性与可维护性。
-
不用编程基础也能入门AI，关键是从能跑通的第一个模型开始，如用几行代码识别猫狗；分三步：先用Colab运行Demo，再配本地环境，最后逐行注释理解；通过改参数、做小任务建立直觉。
