你惧怕不确定性，所以本身就是随遇而安的。。。去南极读测绘这种充满了未知（和趣味）的事情你还是别干了。

@caqiko 其实我觉得本来就没有什么“业务代码”的严格区分。

就如 @loading 所说的，登月项目的代码是不是业务代码呢？是的话，谁是需求方呢？

同样地，操作系统不算业务代码嘛？用户的需求不是需求嘛？

@lincanbin 微软要是一直以这个态度开发系统，那它的系统一定漏洞百出。。。。

啊嘞，好像确实曾经有过十年时间，微软的 XP 系统漏洞百出来着？
= = = =

@caqiko 微软都花了十年搞定它“屎山”一般漏洞百出的业务代码，你觉得这种写代码的方式不会让人感觉 low 嘛？

C++ 怎么样？

2018 款的键盘和 2017 款的简直不是一个物种。。。好用了不少。

@zonghow 我觉得 @shyrock 的逻辑很对，这也许就是你领导的逻辑。

不过他的屁股大概是歪的，不是程序员码农的屁股，而是领导的屁股。

我感觉你领导能说出这种话，证明你在框架搭建上面有多少贡献，他自己心里面清楚的很。他只是觉得框架已经搭好了，目力可及的范围内都不需要再搭一遍，所以你要么干点别的创造新的价值（比如体力活），要么就滚。反正等下一个项目要上了，再开个 18K 找个新的，应该不算太难。（用完就再赶走呗，笑～）

对于小公司，这种价值观大概无可厚非吧。毕竟资本寒冬，人家公司法人也是要恰饭的。能省一点是一点。

这就看你自己的追求了。是追求稳定的工作，还是追求更好的环境？

其实没必要死扣这些概念。

如果你想死抠，那么顾名思义，Middleware 就是 Middleware。

错了，不是 Bernoulli-likelihood，是 Categorical likelihood。

https://en.wikipedia.org/wiki/Categorical_distribution

Mini-batch 的本质是，通过有限个样本计算 x 上的期望。这叫做蒙特卡洛积分。

https://en.wikipedia.org/wiki/Monte_Carlo_method

真正的目标函数是 E[log p(y|x)]，而你的 log p(y|x) = log Bernoulli-likelihood(y|x)。

而 1-mini batch 会让这个期望估计地非常不准，方差极大，以至于大部分情况下估计的期望所求出的梯度，连方向都是错的，自然就根本不可能收敛。

这就是 mini-batch 不能太小的数学原理。

- - - -

另外，我看你好像没用 log Bernoulli-likelihood(y|x)，而是用了 Bernoulli-likelihood(y|x)（没开 log ）。

这是不妥当的，会带来数值问题，容易出 NaN。

你应该用 log_softmax(t) = t - t_max - log(sum(exp(t - t_max)))

老了，安卓都不想折腾了，别说苹果了。。。

@minami 我这句话也是自己的意见啊。

楼主你进错了专业。。。

@kiwi95 NumPy / Pandas 用 C 写的，只要你不写 Python 循环而是用这些库的向量运算，都很快。

。。。。这些是 apt 装上去的。你 apt-get install python3-pip 其实也是在系统路径装了个 pip 包。

Python 现在对于 Linux 发行版大多是基础依赖。有些包是系统其它组件依赖的，你删了，系统就挂了。

所以不要乱删。。。（当然你已经乱删掉几个 .egg-info 了，那我就不知道你会遇到什么系统 bug 了）

如果你要纯净的环境，你得用 virtualenv

https://www.tornadoweb.org/en/stable/iostream.html#tornado.iostream.BaseIOStream.write

Python 当年著名的库，同样回调地狱。

当然，Python 3.5+ 拥抱 async 了，就没有回调地狱了。

举例不当也是一种不谨慎的表现

@crabor 嵌入式毕业能去 BAT，莫非楼主你是 985 顶尖的几所？。。。如果是这样，我觉得干脆跨专业读研算了。

“自己大学四年，不能只会写写普通软件吧。”

先问一句楼主什么学校的。

985 的话，奉劝学好理论课，大三再考虑工作还是读研。

其他的，你随意吧。

@find456789 有 PyPy 优化啊～

Python 官方的态度是语法形式 > 性能。这其实对于自己写小工具用还是很友好的。不然像 Java 一样，写个小脚本还要搞半天吗？运维方面也差不多，因为都是脚本，所以 Python 很友好。

科研界对于性能有需求，但是都在数值计算方面。用上 NumPy / Pandas / Scikit-Learn / TensorFlow / PyTorch 就行，这些都是 C 扩展乃至 CUDA 加成。所以 Python 官方的这种态度依旧很友好。

总而言之，Python 火有它的道理，但就是不适合大型 web 项目。

。。。难不成是毕设？？