你老板应该说是的 AI 落地方向，这块大部分人用不到理论基础，基本都是基于开源库魔改，在目标检测方向更是靠着 YOLO 系列万金油了好多年。总的来说应该比爬虫有钱途，但是我个人认为这个方向会让更多人感到迷茫，其中真的充满了玄学细节。

个人认为优派可以无脑冲，有钱上 LG ，一般均衡型要求上 DELL 。

不对，你这种需要应该不是用 class ，而是用装饰器，当然，也逃不掉 for range

个人认为怎么都会多此一举。class 上下文管理主要靠 with 的传参，__enter__、__exit__方法控制，你这真要真么搞也就是在__enter__里加个 for range 。

我的观点，未验证：
1. zzz.sh 的执行路径（在根目录）和执行方式（ python A/xxx.py ）没有问题
2. 问题是此时 A/xxx.py 被看作为为一个脚本文件直接执行，却使用了 from A.yyy import YY 从它外部的一个包（其实是包括自己的包，但包不包括自己不重要）导入模块 yyy ，按理来说直接 from yyy import YY 就好了，不需要考虑 A ，直接把 yyy 作为同级模块导入即可
3. 但是按照 2 的解决思路，A 的结构就显得很怪异，A 被强行看作一个包（有__init__.py ），但却又包含脚本。一般实践中，xxx.p 应该被拿出来，放在包外面，比如和 scripts/同级，然后在 zzz.sh 中 python xxx.py ，具体放哪看脚本干的事情，但放包里就是有问题

@Illyasvielvon 多分享点？

所谓训练好的模型是说当前模型已经通过训练数据固定了超参数，你使用不同（多）的输入给模型，得到不同的输出，有什么问题么。即使股票市场规则写明了，不同人掌握的信息量不一样，做出的决策就有区别，不太清楚你想解决什么。

在听你们的节目，很喜欢

看了你的前半段，感觉是新手阶段可能遇到的牛角尖；看了后半段，感觉你是处于一知半解的状态。

看了你的最后一句话，我觉得 Jupyter Notebook 最适合你当前的状态，可以像你写 matlab, stata 一样保持面向过程的思维。

如果愿意多花点时间，可以去了解一些模块化的概念，多看看别人统计学相关的代码实现。

我的两点看法：
1. 原作者代码具有较高可读性和包含适当或完备的 type hint 肯定是提升阅读体验，这也正是多数 Python 项目的「加分项」；
2. Python 项目很多是算法驱动，很多时候对一些数理逻辑的理解更费时间，项目作者有时候也未必对代码本身精益求精；

Traceback 不是说的很明显么，你在类里面把装饰器作为正常装饰器用了，却还给了个 self，所以就还缺个 func 。

要么 @self.decorator 要么 @staticmethod def decorator()。

我 12306 用的不多，总体感觉有候补后更好用了。

刚才测试了一下 sed，似乎符合你的预期：

sed -E 's/to_date\(([^,]*),([^,)]*)\)/\1/g' <text>

如果没问题就加个-i，inplace 操作

随便一个脚本语言写两句也没那么费事吧

越是老年人才越需要用苹果

个人认为越是老年人才越适合老年人

你这种写法还会出很多其它问题，里包导外包应该使用相对导入，from ..a import ...

竟然还能从 b 里导入 a，就很神奇