1. 使用sphinx-quickstart命令来初始化创建一些必要的文件（建议先创建一个docs文件夹，然后在其中执行该命令）。

2. 使用sphinx-build命令来生成对应的文档，比如sphinx-build -b html source build会生成html格式的页面。当然，如果你在执行sphinx-quickstart命令时选择了同时生成Makefile的话，则可以通过make html来达到一样的效果。

3. 使用sphinx-build命令来生成文档时，并不需要指定对应的项目路径，原因在于sphinx是直接在python代码中import你在rst文件中填写的模块的。因此，一定要确保在所有依赖包都安装好的virtualenv中来执行sphinx-build命令（sphinx最好也安装在该virtualenv中），并且，确保对应的项目路径可以在python环境中被import（把项目路径添加到PYTHONPATH环境变量中再执行命令或是在项目路径的父级目录执行命令）。 比如下面的rst:

   .. autoclass:: my_module.sub_module.ClassA
   

   实际上做的事情类似于：

   from my_module.sub_module import ClassA
   

4. 使用sphinx-apidoc -f -o docs/source projectdir来自动生成对应于项目中每个函数的api的文档。

5. 建议加入sphinx.ext.napoleon扩展，这样在转换代码中的docstring时会支持google和numpy的风格（example）。

6. sphinx默认会渲染所有的rst格式的文件，如果想要使用mark down来书写文档的话，需要额外安装解析mark down的库，并设置sphinx来渲染它们（参考http://www.sphinx-doc.org/en/master/usage/markdown.html）。

7. 避免重复渲染同一个文件：默认所有文件夹下的rst文件都会被sphinx渲染，所以在rst文件中直接引用该文件名即可，而不需要.. include:来引入。 比如，我有一个api.rst文件，我需要在index.rst文件中引用它作为目录：

   .. toctree::
      :maxdepth: 2
      :caption: Contents:
   
      api
   

   ​

1. 一些经典的回归分析算法有：linear regression, logistic regression, SVR, Ridge regression等；
2. 这些经典的回归分析算法对于特征的选择要求比较高，比如：目标函数y=x1*x2+2（其中x1和x2为两个特征，y为输出），以x1和x2为输入并不能训练出一个能准确预测y的模型（即使是非线性的回归模型好像也不行），这时候就要以x1和x2的乘积作为一维特征作为输入来训练；
3. 通过计算预测值与真值的方差以及r2（R-squared）来评估回归模型是否准确，其中r2约接近1则表示模型越准确；
4. 有时候使用pyecharts来生成图表能达到比matlibplot更好的展现效果；
5. 使用tensorflow的DNNRegressor训练时出现NaN loss during training的错误，有可能是因为某些特征的值太大了，经过几次训练迭代之后超出了float32的范围（当然也有可能是learning rate太高了，参考网上其他的解释），解决方法就是将这些特征通过转换来控制在某个取值范围内；
6. 如果你期望回归预测的值只包含非负数（比如预测的是价格，负数是没有意义的），那么可以通过一些数学转换来达到目的，比如使用对数：在训练时将目标值处理为log(x)，预测时把结果通过Smearing retransformation之类的方法重建出来（参考这里和这里）（需要注意的是这种方式往往会降低预测的准确率）。或者，就直接把小于0的预测值设为0或某个固定的最小值；
7. tensorflow的训练模型可以传入一个model_dir来把模型保存在一个文件夹内，如果要修改参数来重新训练的话，可能需要把之前的模型删除或重新选择一个新的路径来存储模型，否则可能会报错（猜测tensorflow会存储训练的中间状态，这样在修改比如steps参数时就不用从头开始迭代了）；
8. 对于tensorflow中现成的一些神经网络模型（比如DNNRegressor），在生成的模型文件夹中也同时存放了tensorboard所需要的文件，因此我们可以直接使用tensorboard命令来查看训练的过程。

1. Web service worker is by default enabled in the project created by latest create-react-app. However, npm start do not enable web service workers (for better dev experience as no cache). Instead, you should (npm install -g serve if cmd serve not installed):

   npm run build
   serve -T -s build
   

2. To solve the following error when testing the app locally:

   DOMException: Failed to register a ServiceWorker: An SSL certificate error occurred when fetching the script
   

   Please open the chrome with extra options, e.g.

   /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --ignore-certificate-errors --unsafely-treat-insecure-origin-as-secure=https://localhost:5000 --user-data-dir=/tmp/foo
   

3. You can view the PWA status (e.g. the data stored in Local Storage/IndexedDB) by Chrome dev console (the Application tab);

4. You can evaluate your PWA by Google lighthouse tool which is also availiable by Chrome dev console (the Audits tab);

5. Use library like pouchDB to save your app state into local computer storage, so that your PWA can work offline as normal.

How to enable core dump

Enable core dump

使用ulimit命令，比如：

• 设置生成的core dump文件大小不受限制：ulimit -c unlimited
• 查看当前的core dump限制（默认为0，即不生成core dump）：ulimit -c

更推荐修改/etc/security/limits.conf设置文件中下面这一行，以保证此session之外的core dump设置依然生效：

*               soft    core            unlimited

Set the location/format of core dump file

修改/proc/sys/kernel/core_pattern文件即可。比如：

echo "/corefile/core-%e-%p-%t" > /proc/sys/kernel/core_pattern

其中，%后面的为特殊的格式：

	%p	pid
	%P	global pid (init PID namespace)
	%i	tid
	%I	global tid (init PID namespace)
	%u	uid (in initial user namespace)
	%g	gid (in initial user namespace)
	%d	dump mode, matches PR_SET_DUMPABLE and
		/proc/sys/fs/suid_dumpable
	%s	signal number
	%t	UNIX time of dump
	%h	hostname
	%e	executable filename (may be shortened)
	%E	executable path

写代码用到Python标准库中的deque数据结构，结果在遍历时出现了如下的异常：

RuntimeError: deque mutated during iteration

一开始我理解为了在遍历deque时不能修改队列中的元素，尝试了一下发现不是这样子的:

from collections import deque

q = deque()
q.append(1)
q.append({'a': 1})
q.append(3)
v = iter(q)
next(v)  # 1
q[1]['b'] = 2
next(v)  # {'a': 1, 'b': 2}
next(v)  # 3

上面的代码可以正常运行。所以，这个异常也许表示在遍历时，deque长度不能发生变化？

from collections import deque

q = deque()
q.append(1)
q.append({'a': 1})
q.append(3)
v = iter(q)
next(v)  # 1
q.append(4)
next(v)  # raise RuntimeError: deque mutated during iteration

THAT’S IT!

所以，如果你的队列在遍历时的同时可能还会有新的元素插入进来的话，可以考虑使用list或是Queue.Queue，而不是deque。