老师，想问下这里的默认网络助手指的是什么？

没有最短路径和最小生成树算法

下载安装后，运行提示无法在电脑上运行？哪里出错了

老师，我想请问一下我这个是怎么回事呢？

老师，资料里的面试题是都要背下来吗

请问 while<=100:

        sum_all = sum_all+num

        num+=1

sum_all 出现2次为什么不会 error ?

num =num<=:
    (num)
    num+=()

如果print还在循环里就会end在每个号码后面

老师 为什么晚期的卷积层提取到的特征越高级呢？

这个怎么解决啊

老师 每一轮开始都要重新定义模型,模型不会被覆盖吗?

老师，想问下多线程模式和协程模式的实现效果有什么区别呢，假设现在有三个任务，多线程模式：因为同一时间只有一个线程使用cpu嘛，一个线程执行任务时阻塞了，另外不是立马会有另一个线程执行其他任务吗，而协程模式下：单线程执行任务，一个任务阻塞了也是立马去执行其他任务。对这两种模式的执行效果的区别不太清楚。

老师  train_loader是将所有的训练数据按照batch_size随机划分好之后形成的路径列表还是每次调用时随机生成batch_szie大小的训练集

train_loader = DataLoader(dataset=train_dataset,
          batch_size=128,
             shuffle=True)

# # Python中的进程池相当于一个容器，里面存放指定数量的进程，当池中有空闲进程时，就可以拿来使用
# # 若没有空闲进程，则需要等待
import os
from multiprocessing import Pool
from time import sleep

def func1(name):
    print(f"进程id:{os.getpid()}-{name}")
    sleep(2)
    return name

def func2(args):
    print(args)

if __name__ == '__main__':
    # 创建进程池对象
    pool = Pool(5)
    # callback=func2 -> 执行完func1后将返回值传给func2
    pool.apply_async(func=func1, args=("sxt1",), callback=func2)
    pool.apply_async(func=func1, args=("sxt2",), callback=func2)
    pool.apply_async(func=func1, args=("sxt3",), callback=func2)
    pool.apply_async(func=func1, args=("sxt4",))
    pool.apply_async(func=func1, args=("sxt5",))
    pool.apply_async(func=func1, args=("sxt6",))
    pool.apply_async(func=func1, args=("sxt7",))
    pool.apply_async(func=func1, args=("sxt8",))

    # 使用完进程池关上
    pool.close()
    # 等待所有子进程执行完
    pool.join()
#

老师，程序运行结果如下，想问下，进程池中sxt1还没有执行func2打印sxt1，说明sxt1还在使用（不处于空闲状态），但是该进程为什么却被sxt6再次使用了呢

为什么不居中呢

二项分布和二值变量有什么关联？

McNemar的变量是只能结果用2个值表示，是这样吗