PyTorch torch.cuda.is_available() 返回 False 主因是 CUDA 驱动、CUDA Toolkit 与 PyTorch 版本不兼容，需满足：nvidia-smi 显示的 CUDA Version ≥ PyTorch 所需版本 ≥ nvcc --version 输出版本（若装了 Toolkit），并检查 WSL2/Docker/用户组权限、GPU 架构匹配及资源占

配置须正确安装channels及asgi应用、设置路由与consumer，并注意协议、路径、HTTP头等握手细节。runserver 启动的开发服务器完全不处理 ws:// 或 wss:// 协议，直接访问会返回 404 或 502（如果前端连了反向代理但后端没接住）。必须引入异步运行时和消息分发层——Channels 就是官方推荐的、与 Django 深度集成的方案，它把 WebSocket 连

关键要点说明：user.skills.some(skill => skill.id === targetId) 替代了错误的 user.skills.id 写法，精准表达「只要任一技能 ID 匹配即保留该用户」；

常见触发场景包括：用旧备份的控制文件 + 新备份的数据文件做异机恢复RMAN 备份时 SKIP INACCESSIBLE 或排除了 SYSTEM 表空间，导致恢复后控制文件和部分数据文件 SCN 脱节手动重建控制文件但漏写了某个数据文件，或没同步归档日志路径时间点恢复（UNTIL TIME）目标早于数据文件最后一次 checkpoint 时间确认 SCN 差异：绕过控制文件直读数据文件头别信 v$

即使属性存在且可访问，也不能通过 obj.prop = newValue 更改其值不会影响属性是否可删除（由 configurable 控制），也不会影响是否可枚举（由 enumerable 控制）例如：注意：不能用 obj.x = 2 覆盖，但 console.log(obj.x) 仍能读到原始值与 const 声明的区别writable: false 限制的是**对象某个属性的赋值行为**，而

而上述代码中 np.array(c1) 的核心作用是支持逐元素标量运算（如 (1-mix)*c1 + mix*c2），这在原生元组或列表中无法直接使用——因为 tuple * float 会触发 TypeError: can't multiply sequence by non-int of type 'float'。关键原理说明：zip(c1, c2) 将对应通道（R/R、G/G、B/B）配对为

得手动加 cursor: not-allowed 才行。推荐分别控制：color 用浅灰（如 #999），background-color 用中灰（如 #f0f0f0），保留对比度避免用 opacity，否则图标、边框、阴影也一起淡化，视觉层次混乱如果按钮有渐变背景或图片，opacity 更容易出问题，优先用颜色替换WCAG 要求禁用态文字对比度仍不低于 4.5:1（对小字）或 3:1（对大字），