@zdnyp 你以为协程是为什么被发明出来的？就是为了单线程里面，应用程序层面上，可以最大效率地执行多个可能阻塞（比如 io 和 sleep ）的任务，避免 cpu 空置呀。所以让出 cpu 这个说法很准确

@pinews Something about application registered formats

Windows clipboard: https://docs.microsoft.com/en-us/windows/win32/dataxchg/clipboard-formats#registered-clipboard-formats
X11 clipboard: https://www.uninformativ.de/blog/postings/2017-04-02/0/POSTING-en.html

@pinews 首先你要知道一点，操作系统的剪贴板是有“类型”的。

一个应用程序如果要支持复制，那么它在设置剪贴板的时候会设置好某种“类型”。而一个应用程序如果支持黏贴，那么它就会根据剪贴板的不同类型作出不同的行为。

@Yvette Good。事实上我没见过这种 .config

Python Flask

@mushuiyu 顺便说一句，TF 2.0 和 PyTorch 都是动态图了，而动态图用代码 + restore variable 是最自然的方法。。。

@mushuiyu 我说的恢复模型就是载入模型。。。。

你完全可以把你训练的时候建图用的代码再跑一遍，然后通过 whatever 方法把 variable restore 到 session 里面，然后你想干啥都行了。

PDF Expert，横屏。

竖屏单页就连 13.3 寸的 Sony DPT RP1 都还稍微小那么一点。。。

你都不说你用的什么技术栈…… TensorFlow ？

TF 的话你用 code + checkpoint 就能恢复模型啊，什么 pbtxt 都是没必要的。

而且 pipeline.config 是什么鬼，用了这么久 TF 没见过这玩意。

学 py 和电脑有啥关系

AOC U2790VQ 我用过，用久了眼睛疼。

建议楼主不要考虑 2000 的 4K 显示器。一分钱一分货，它会在你看不到的地方压制成本。

首先，你需要有一个真的集群作为实验环境……

@cskeleton 我个人觉得方向键和 PgUp PgDn 更远。

因为我 Ctrl 是左手小指按的，手根本就不会离开标准位置。然而 PgUp PgDn 需要移动右手。

顺便 Python JIT 还有一个 PyPy，适用于网络编程。

Python 写起来太慢 -> Python 写的代码跑起来太慢。

顺便 Cython 是一种特别发明出来的 C/Python 混合语言，即没有完全的 C 语言功能，也没有完全的 Python 功能，会经过编译器编译成本机代码。适用于 Python 写起来太慢，但是又不需要 C 语言全部功能的场景。

Python 的 for 循环性能是不可优化的，别想了，不可能的。

去考虑如何优化 Python 的 for 循环是没有意义的，因为一个老道的 Python 程序员，不是在 sentence-level 优化 Python 程序性能的。

比如我要算向量 x + y （ for 循环裸写是 O(N)），我们会直接使用 NumPy （它是用 C 语言写的 Python 库）：

import numpy as np

x = np.asarray(...)
y = np.asarray(...)
out = x + y

矩阵点积（ for 循环裸写是 O(N^2)）：

M = np.asarray(...)
N = np.asarray(...)
out = np.dot(M, N)

如果是可以转化成这种张量运算的，就尝试转化一下。如果不能，就上 Cython。比如 Scikit Learn 的 Tree Classifier 系列代码：

https://github.com/scikit-learn/scikit-learn/blob/7813f7efb5b2012412888b69e73d76f2df2b50b6/sklearn/tree/_tree.pyx

如果 Cython 再不行，就上 C/C++ 语言。比如 TensorFlow 一坨运算：

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/ops/

有时候偷懒，会用 JIT 引擎把 Python 代码直接在内存中即时编译成机器码，比如：

Numba： https://numba.pydata.org/
Pytorch： https://pytorch.org/docs/stable/_modules/torch/jit.html
TensorFlow： https://www.tensorflow.org/xla/jit
----

以上所有总而言之，Python 的优化方法不是去一条一条语句优化，而是直接暴力把整个 block 替换成更高效的实现。所以你考虑优化 python for 循环没有意义。作为一个 Python 程序员，你应该先考虑实现业务逻辑，然后找出真正的性能瓶颈，再考虑用高级手段（以上种种）优化它们。

@spadger 我这帖子的大前提是 macOS。

macOS 下面全选是 Cmd+A，打印是 Cmd+P，新建是 Cmd+N，和我上面列出的 Ctrl+A 等按键是两套。

当然，我这么用也是因为我平时就是写写 Python，看看论文什么的。电子电路我不碰的。所以才符合我的使用习惯。

并没有。

P.S. 你说的这些健，我在用 macOS 写代码的时候分别使用下列键：

Home = Ctrl+A
End = Ctrl+E
上一行 = Ctrl+P
下一行 = Ctrl+N
删除光标后的一个字符 = Ctrl+D
删除光标到行尾的所有字符（若没有字符则删除换行符） = Ctrl+K

个人认为比键盘上的 Home End PgUp PgDn 更容易按。