1在CPython中，列表被實現爲長度可變的數組。
2.在Python2中，dict的底層是依靠哈希表(Hash Table)進行實現的，使用開放地址法解決衝突.
3手撕iou代碼
def compute_iou(rec1, rec2):
# computing area of each rectangles
S_rec1 = (rec1[2] - rec1[0]) * (rec1[3] - rec1[1])
S_rec2 = (rec2[2] - rec2[0]) * (rec2[3] - rec2[1])
# computing the sum_area
sum_area = S_rec1 + S_rec2
# find the each edge of intersect rectangle
left_line = max(rec1[1], rec2[1])
right_line = min(rec1[3], rec2[3])
top_line = max(rec1[0], rec2[0])
bottom_line = min(rec1[2], rec2[2])
# judge if there is an intersect
if left_line >= right_line or top_line >= bottom_line:
return 0
else:
intersect = (right_line - left_line) * (bottom_line - top_line)
return (intersect / (sum_area - intersect))*1.0
if __name__=='__main__':
rect1 = (661, 27, 679, 47)
# (top, left, bottom, right)
rect2 = (662, 27, 682, 47)
iou = compute_iou(rect1, rect2)
print(iou)
4.python下多線程的限制以及多進程中傳遞參數的方式
python多線程有個全局解釋器鎖（global interpreter lock），這個鎖的意思是任一時間只能有一個線程使用解釋器，跟單cpu跑多個程序一個意思，大家都是輪着用的，這叫“併發”，不是“並行”。
多進程間共享數據，可以使用 multiprocessing.Value 和 multiprocessing.Array
5.Python是如何進行內存管理的？
Python引用了一個內存池(memory pool)機制，即Pymalloc機制(malloc:n.分配內存)，用於管理對小塊內存的申請和釋放
內存池（memory pool）的概念：
當 創建大量消耗小內存的對象時，頻繁調用new/malloc會導致大量的內存碎片，致使效率降低。內存池的概念就是預先在內存中申請一定數量的，大小相等 的內存塊留作備用，當有新的內存需求時，就先從內存池中分配內存給這個需求，不夠了之後再申請新的內存。這樣做最顯著的優勢就是能夠減少內存碎片，提升效率。
內存池的實現方式有很多，性能和適用範圍也不一樣。
python中的內存管理機制——Pymalloc：
python中的內存管理機制都有兩套實現，一套是針對小對象，就是大小小於256bits時,pymalloc會在內存池中申請內存空間；當大於256bits，則會直接執行new/malloc的行爲來申請內存空間。
關於釋放內存方面，當一個對象的引用計數變爲0時，python就會調用它的析構函數。在析構時，也採用了內存池機制，從內存池來的內存會被歸還到內存池中，以避免頻繁地釋放動作。
6.深拷貝和淺拷貝需要注意的地方就是可變元素的拷貝：
在淺拷貝時，拷貝出來的新對象的地址和原對象是不一樣的，但是新對象裏面的可變元素（如列表）的地址和原對象裏的可變元素的地址是相同的，也就是說淺拷貝它拷貝的是淺層次的數據結構（不可變元素），對象裏的可變元素作爲深層次的數據結構並沒有被拷貝到新地址裏面去，而是和原對象裏的可變元素指向同一個地址，所以在新對象或原對象裏對這個可變元素做修改時，兩個對象是同時改變的，但是深拷貝不會這樣，這個是淺拷貝相對於深拷貝最根本的區別。
後續持續更新！！！