-
先验证numpy是否真正安装成功，再检查其是否链接正确的OpenBLAS；若失败，优先用--only-binary安装预编译wheel；PyTorch场景下需按官方要求锁定numpy版本。
-
使用SAM部署Lambda函数时，若在samdeploy中显式指定--template-file参数，会导致构建阶段生成的依赖（如requirements.txt中声明的pytest）被跳过，从而引发运行时报错“ModuleNotFoundError”。正确做法是仅在sambuild中指定模板，而让samdeploy自动读取构建输出目录中的打包产物。
-
根本原因是Pillow默认仅支持ASCII字符，未显式加载含中文字符集的TrueType字体文件（如simhei.ttf），导致调用ImageDraw.text()时静默渲染为方块或空白。
-
Observer类应使用WeakSet存储观察者以自动清理、notify前转list副本避免迭代错误、区分协程/普通observer异步调度、统一update接口并传参防循环引用。
-
Windows下备份被IDE锁定的.sql文件应先用只读方式验证可访问性；copytree需设dirs_exist_ok=True或手动删除目标；时间戳须含毫秒防重名；schedule仅适合调试，生产环境应使用系统级定时任务。
-
unsqueeze()比view()更安全，因其不依赖内存连续性、只改shape；broadcast_tensors()可提前校验广播可行性；避免滥用expand()；自定义函数须显式校验shape。
-
直接用datetime或date对象相减得timedelta，.days属性即日历天数差；字符串或时间戳无法直接相减，需先解析为日期对象，且要注意时区、顺序和类型选择。
-
Python三种运行方式为脚本模式、模块导入和交互式解释器：脚本模式执行顶层代码且__name__=='__main__'，适合独立程序；模块模式以模块名加载并跳过main块，适合复用封装；交互式模式逐行执行并即时反馈，适合调试探索。
-
GridSearchCV并非万能调参工具，其本质是穷举式搜索，参数组合多、训练慢或CV折数高时易卡死；应优先用RandomizedSearchCV初筛、精简param_grid、合理设cv，并通过cv_results_分析各组合表现，最终需用独立测试集验证线上鲁棒性。
-
YOLOv8必须通过ultralytics库加载，不能用torch.load；自定义数据集需YAML配置且路径相对YAML文件；训练推理须遵循其封装逻辑，直接修改底层需谨慎。
-
np.random.rand()生成[0,1)区间上的均匀分布浮点数，不支持loc/scale、dtype参数，推荐用Generator替代以保证可重现性和线程安全。
-
FastAPI实现“登录后才显示某些字段”的核心是动态响应模型，可通过三种方式：一用Field(exclude=True)配合model_dump条件序列化；二定义UserPublic与UserPrivate两个模型并用Union响应类型；三用依赖注入+模型工厂函数按权限返回不同实例。
-
本文介绍如何基于轮转法（Round-Robin）自动生成一个包含所有不重复两两配对的三维矩阵，适用于偶数选手的公平赛程安排，确保每轮配对互斥、每对仅出现一次。
-
map用于逐元素变换并保持长度不变，filter用于按条件筛选且长度可能减少；二者均返回惰性迭代器，不修改原序列，常配合lambda或内置函数使用。
-
绝大多数情况下直接用requests.get()可获取JSON，但需注意接口是否校验User-Agent、登录态或加密签名；生产环境常返回403或空响应，应检查状态码、Content-Type，并用Session、超时、并发控制等优化请求。
