Python 中有一个著名的彩蛋: import this. 这是由 Python 的创建者 Guido van Rossum 以及 Tim Peters 所编写。当你在 Python 解释器中输入 import this 并按下回车键时，它会打印出一段著名的 Python 之禅（The Zen of Python），这是一组指导 Python 编程哲学的格言。

Python 中的修饰器（decorator）是一个函数，它接受一个函数或方法作为其唯一的参数，并返回一个新的函数或方法，其中整合了修饰后的函数或方法，以及附带的一些额外功能。 简单来说，修饰器可以在不修改被修饰函数原有代码的情况下，为其添加额外的功能。例如用于性能分析、日志记录、权限控制、缓存、参数验证、事务处理、重试机制、异常处理等。

有时忘记 Ubuntu 系统中一些用户密码的话,可以在/etc/passwd 中找到相关信息. 但是密码信息一般是以加密的形式放在/etc/shadow中. 要拿到明文密码还需要解密一下.

写后端的时候,前后端的端口制定需要一定的规范,前后端都需要了解 HTTP 协议的请求分类和使用场景.

开发时,有时需要直接在 docker 中开发或者 debug. 使用 VSCode 会方便很多. 但是有时候安装了 Remote Development 还是会报错: Failed to connect. Is docker running?

Golang 很多包在国内下载很慢，换国内镜像可以加快下载速度。

相似度计算在数据挖掘中指的是:计算在数据集里使用多个维度数据来表示的object 的距离. 一些常用的受欢迎的相似度测量方法有: Euclidean Distance. 欧几里得距离(euclidean distance) 在二维和三维空间中的欧氏距离就是两点之间的实际距离。 Manhattan Distance. 在 二维空间 内，两个点之间的曼哈顿距离为它们横坐标之差的绝对值与纵坐标之...

前一段时间发现从一个 DataFrame 中提取出一个Series. 不管被提取的 Series 的每一个值是不是一个 ndarray,返回值永远是一个一维的 ndarray.

M1 Max 的芯片的 GPU 算力已经很不错了, 想着自己不是视频编辑工作者,总不能这么浪费这么好的资源.偶尔用这电脑来跑跑中小型的模型也是不错的选择. TensorFlow 到现在对 M1 的支持还是有点一塌糊涂的感觉. 知名的 YOLO 模型也基本只有 PyTorch 版本. 想想 PyTorch 就是数据科学家必须了解的知识点.

Hexo默认的markdown渲染器是不支持数学公式的输入的. 一般来说都会用hexo的一些插件来实现对数学公式的支持. 这里数学公式的输入一般都是用的LaTeX.