-
冻结PyTorch模型某几层的核心是将对应参数的requires_grad设为False，并确保优化器仅包含需更新的参数；需遍历parameters()而非模块本身，BN层还需额外处理track_running_stats或调用eval()。
-
src/目录非初始必需，仅当打包发布、CI报错或import失败时才需引入；__init__.py在需相对导入或版本管理时必须保留；tests/应置于根目录，配置与资源须分离并用importlib.resources加载。
-
pytest不支持嵌套parametrize，因会报ValueError:duplicateparametername；应使用单层parametrize传入笛卡尔积列表，并用ids自定义可读ID，或用indirect将复杂初始化交由fixture处理。
-
asyncio.run()并非万能主入口，仅适用于无运行中事件循环的简单脚本；它会强制新建并关闭事件循环，导致后台任务被取消、全局异步资源失效，且不支持嵌入已有环境或复用循环。
-
是的，但前提是该层所有参数（如weight、bias）均显式设为requires_grad=False，且优化器仅传入requires_grad=True的参数；否则仍可能因漏设或优化器未过滤而更新。
-
Python内存由解释器自动管理，核心机制包括引用计数（即时释放）、垃圾回收（处理循环引用）和对象池（缓存小整数-5~256及短字符串），不可变对象可复用，可变对象每次新建，应避免频繁创建大对象并优先使用原地操作。
-
islice不会提前耗尽迭代器，因为它惰性求值，仅在实际遍历时才从底层迭代器拉取元素，不预加载、不缓存、不回退，时间复杂度O(start+n)，空间复杂度O(1)。
-
Python接口参数设计应遵循命名清晰、关键字参数优先、类型标注+默认值+文档字符串协同、复杂参数封装为dataclass或Pydantic模型四大原则，以提升可读性、健壮性与可维护性。
-
requests.get()必须加stream=True防内存爆炸，配合iter_content分块读取、with自动关闭连接、raise_for_status检查状态、合理设置chunk_size（如8192），并手动处理重定向和断点续传。
-
Django默认权限系统仅支持模型级控制，需借助django-guardian或自定义PermissionBackend实现对象级权限；DRF中须在get_queryset等处显式校验对象权限，避免越权。
-
Python中赋值语句、for循环头部、函数调用时的*参数传递三处会自动解包；其他如if条件中不会解包，仅作布尔判断。
-
Python自定义容器需实现容器协议的魔术方法：__len__返回非负整数，__contains__支持in操作；__getitem__支撑索引、切片与迭代；可选__setitem__和__delitem__实现可变操作；__iter__提供更清晰可控的迭代支持。
-
列表推导式必须用方括号，圆括号是生成器表达式；字典推导式必须有冒号分隔键值；集合推导式去重但不保序；嵌套推导式默认扁平化，需双层方括号实现二维结构。
-
本文详解如何使用Pandera的DataFrameModel对包含pandas.Period类型的列进行Schema验证，重点解决直接使用Series[pd.Period]导致的类型不识别错误，并提供可运行的代码示例与关键注意事项。
-
Python环境管理需根据项目类型选择工具，venv适用于小型项目，poetry适合库开发，conda用于数据科学，推荐初学者用venv+pip，避免全局污染并提交锁文件确保环境复现。
