-
直接通过类名修改静态属性会同步影响所有实例，但已被设置同名实例属性的实例会遮蔽该修改；需批量修改时应遍历实例调用setattr，而非操作类属性。
-
根本原因是脚本未捕获异常、存在交互式输入、标准流异常或未适配守护环境，需配合&后台运行，并修改脚本以处理信号、禁用input、规范日志、显式导出环境变量。
-
collate_fn必须自定义以处理变长序列，因default_collate要求tensor形状一致；基础写法三步：pad、stack、封装为dict；padding_value需匹配tokenizer，batch_first=True确保(B,T)格式。
-
Python位运算符&、|、~、^、<<、>>是对整数逐位操作的，非布尔逻辑；如5&3得1而非True，~5为-6，^是异或非幂运算（**才是），右移负数为算术右移（-5>>1得-3）。
-
pandas.read_csv()读取CSV最稳妥，但需注意编码、缺失值标记、大文件分块、URL重定向、类型检查与转换、时间列解析、分类变量声明及合并键类型一致等关键细节。
-
描述符对象未被当成普通属性调用，是因为它必须定义为类变量（如attr=MyDescriptor()）才生效；若误设为实例变量（如self.attr=MyDescriptor()），则完全绕过描述符协议，导致obj.attr直接返回描述符对象而非触发__get__。
-
input()读取用户输入并返回字符串，需手动转类型；print()输出内容默认换行，支持end、sep参数和f-string格式化；二者配合实现“提示→输入→反馈”交互流程。
-
判断文件是否正被写入需综合多种方法：先用lsof或handle检查写入句柄，再观察文件大小和mtime是否动态变化，最后通过只读非阻塞打开并捕获错误码（如ERROR_SHARING_VIOLATION）辅助验证。
-
因为torchtext默认按空格切分，而中文无空格，必须先用jieba等工具完成词粒度分词，再将每句分词结果作为token列表yield给build_vocab_from_iterator。
-
本文介绍如何为webdriver.Chrome()初始化添加超时控制与自动重试机制，并推荐使用现代无头模式（--headless=new）避免因旧参数导致的卡死问题。
-
Pipeline可同时跑多个模型做公平对比，关键在于将预处理与模型统一封装、确保每折内独立拟合，并用一致评估指标（如AUC、neg_log_loss）避免因参数或量纲差异导致的偏差。
-
Python的mock提供调用统计与验证方法：call_count和called检查调用次数，call_args和call_args_list记录参数，assert_called_with等断言参数正确性，assert_has_calls验证调用顺序，reset_mock重置状态，便于精确控制测试行为。
-
按频次降序排应调用most_common()方法，它返回(key,count)元组列表，全量排序用most_common()，TopN用most_common(k)，比sorted(counter.items(),key=lambdax:x[1],reverse=True)更高效且语义明确。
-
本文详解PyO3中因频繁调用Python函数（如lambda）导致的严重性能退化问题，指出根本原因在于CPython解释器开销而非GIL，并提供基于NumPy数组和预编译函数的高效替代方案。
-
带参数的装饰器本质是装饰器工厂，需三层嵌套函数：外层接收参数并配置行为，中层接收被装饰函数并返回内层闭包，内层执行逻辑并透传参数；两层无法满足@语法要求。
