Kiselyov 目录 CONTENTS 提供语法和语义的语言不仅仅是工具， 还是思维方式 表达能力的极限，由内破除， 还是从外破除？ Moshmosh： 我的Python不可能这么甜美清新 下班时在干什么？有没有空？可以来contribute吗? 1 提供语法和语义的语言 不仅仅是工具， 还是思维方式 “语言只是工具”是现代社会最为荒谬的说法之一。 即便存在海量的常见任务，他们在部分语言里很容 百度一下“语言和思维”，我们能找到马克思爷爷的至理名言。 细说不是胡说，语言不是工具 马克思认为，语言是思维本身的要素，思想的生命表现的要素； 语言是思想的直接现实。 Marx > 语言是人们在社会劳动过程中，适应交流意识、传递信息的需要而产生的。 语言一经产生，又成为思维存在和发展的必要因素。 Marx> 思维和语言是相互依存、相互促进的。语言是现实的思维，是思维的物质 外壳；语 外壳；语言的外壳又总是包含着思维的内容。思维的发展推动语言的发展，语言 的发展又促进思维的发展。一般来说，语言的发展水平标志着思维的发展水平。 但是，思维和语言又不是等同的，它们有各自的相对独立性和特殊规律。 语言思维是人类特有的意识形式，但它并不排斥人类直观思维、动作思维 和其他特殊类型思维。然而，思维决不能以赤裸裸的形式存在，它从一开始就受 着物质的纠缠，任何类型的思维都有其物质外壳。 细说不是胡说，语言不是工具

Lambda, Pipe运算 语言决定思维模型 GNU-APL C++ Haskell 说 到 质 数 � 人 们 想 到 什 么 � 语言决定思维模型 在 实 际 业 务 中 处 理 数 据 � Haskell 虽然模式匹配似乎还不甚流行，但它仅是编 程语言走向未来必然经过的一个极其不起眼 的、实现简单的基础设施。 语言决定思维模型 在 实 际 业 务 中 处 理 数 据 据 � Python 语言决定思维模型 语言中的语法和语义， 决定了 它真实的表达力。 大多数语言都不是“万金油” 的，这是客观事实。 但它们不够“万金油”的问题 来源，不一定是不能解决的。 扩展语言，开阔思维 我预期的语法(及语义) 扩展系统: 1. 首行用moshmosh? 标志模块 2. +extension名 (extension参数)开 启扩展 3. -extension名

深度学习的应用环境－ THEANO GPU vs. CPU TENSORFLOW 的新进展 分布式的深度学习框架 TENSORFLOW 的新进展 分布式的深度学习框架 工程化思维 VS. 科学化思维 THINK GREAT THOUGHTS AND YOU WILL BE GREAT. 心怀伟大，你将会变得伟大！ 谢谢！

大规模生产环境下的 Faster-CPython 主讲人： 王文洋 老板思维 已知：公司有xx个计算集群 每个集群有xxxxx个core Python进程占比xx% 如果：提升 10% 那么：可以节省 xx * xxxxx * xx% * 10%个core 降本 xx * xxxxx * xx% * 10% * n >> 我的工资 结论：。。。 Why

的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.2.3 两者对比 子问题的解都已经被正确地 计算出来。 根据以上分析，我们已经可以直接写出动态规划代码。然而子问题分解是一种从顶至底的思想，因此按照 “暴力搜索 → 记忆化搜索 → 动态规划”的顺序实现更加符合思维习惯。 1. 方法一：暴力搜索 从状态 [?, ?] 开始搜索，不断分解为更小的状态 [? − 1, ?] 和 [?, ? − 1] ，递归函数包括以下要素。 ‧ 递归参数：状态 [?, ?]

的「递归树 recursion tree」。 图 2‑6 斐波那契数列的递归树 本质上看，递归体现“将问题分解为更小子问题”的思维范式，这种分治策略是至关重要的。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略都直接或间接地应用这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.3 时间复杂度 子问题的解都已经 被正确地计算出来。 根据以上分析，我们已经可以直接写出动态规划代码。然而子问题分解是一种从顶至底的思想，因此按照 “暴力搜索 → 记忆化搜索 → 动态规划”的顺序实现更加符合思维习惯。 1. 方法一：暴力搜索 从状态 [?, ?] 开始搜索，不断分解为更小的状态 [? − 1, ?] 和 [?, ? − 1] ，递归函数包括以下要素。 ‧ 递归参数：状态 [?, ?]

的「递归树 recursion tree」。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.2.3 两者对比 子问题的解都已经 被正确地计算出来。 根据以上分析，我们已经可以直接写出动态规划代码。然而子问题分解是一种从顶至底的思想，因此按照 “暴力搜索 → 记忆化搜索 → 动态规划”的顺序实现更加符合思维习惯。 1. 方法一：暴力搜索 从状态 [?, ?] 开始搜索，不断分解为更小的状态 [? − 1, ?] 和 [?, ? − 1] ，递归函数包括以下要素。 ‧ 递归参数：状态 [?, ?]

的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.2.3 两者对比 子问题的解都已经被正确地 计算出来。 根据以上分析，我们已经可以直接写出动态规划代码。然而子问题分解是一种从顶至底的思想，因此按照 “暴力搜索 → 记忆化搜索 → 动态规划”的顺序实现更加符合思维习惯。 1. 方法一：暴力搜索 从状态 [?, ?] 开始搜索，不断分解为更小的状态 [? − 1, ?] 和 [?, ? − 1] ，递归函数包括以下要素。 ‧ 递归参数：状态 [?, ?]

子问题的解都已经 被正确地计算出来。 根据以上分析，我们已经可以直接写出动态规划代码。然而子问题分解是一种从顶至底的思想，因此按照 “暴力搜索 → 记忆化搜索 → 动态规划”的顺序实现更加符合思维习惯。 方法一：暴力搜索 从状态 [?, ?] 开始搜索，不断分解为更小的状态 [? − 1, ?] 和 [?, ? − 1] ，包括以下递归要素： ‧ 递归参数：状态 [?, ?] 。 ‧

10.1.2 itertools 配方 本节将展示如何使用现有的 itertools 作为基础构件来创建扩展的工具集。 这些 itertools 专题的主要目的是教学。各个专题显示了对单个工具的各种思维方式—例如，chain. from_iterable 被关联到展平的概念。这些专题还给出了有关这些工具的组合方式的想法—例如， starmap() 和 repeat() 应当如何一起工作。这些专题还显示了