现在蓝牙和 LIDAR 不都在用 ToF 嘛。时钟精度不够怎么通过光速测距

楼上提的差不多了。我说一些小细节：

conda 能记录环境的改动，如果不小心安装或者卸载了包和依赖，能查看 revision 历史然后回到某个版本。

另外，有些时候 conda-forge 收录包不如 PyPI 及时，如果想在同一个 conda 环境里安装这些包，只能在 conda 里面安装 pip，再用 pip 安装， @Raven316 提到了。

我个人还是优先使用 pyenv，它能装更多种不同的 Python 版本，包括 Anaconda/Miniconda 。如果使用了带 conda 的，pyenv 会在管理环境的时候会优先调用 conda 进行管理。

conda 在 solve environment 的时候，有时会特别慢。可以了解一下 mamba，一个对 conda 基于 C++的重新实现。

我会自己维护一个 tap，放指定版本的 rb 文件，专门自用，有多台机子也能用，很可靠。

我是电子工程系博士生在读，在英国待了四年了，出国前刷了十几次托福 GRE，最后托福 106，GRE 326，二等残废分数，凑乎开始读博了。当时的短板是写作，现在我英语积累越多越感觉自己菜了，于是辅修了德语，考了几个基本的欧洲德语水平证书。主业半导体材料，业余写点 Python 。

看过一些通俗易懂的 Python 教程比如 Real Python，也读过 Python 作者 Guido 写的官方教程文档。官方文档用语精练，准确，这意味着分句之间的连接词，分词的结构会比较复杂，句子比较难读。我现在还是觉得官方文档能读懂，但是需要专心读才能理解，就像读科学论文一样。某些专业词汇兼具动词和名词词性，有时候会在句子中以动名词和过去分词的形式作状语从句和补语的开头，这给非日耳曼语系母语的人提高了断句难度。可能就是英语考试里经常说的长难句吧。

没有捷径，需要积累，在脑中不断构建一个知识网络，把见到的词和词法在网络的节点里。如果觉得记性不好，那就记笔记。如果觉得记性好，八成是你都忘了自己没记住东西这回事儿，那就记笔记。一个令人开心的事实是，随着积累，脑中知识网络的节点会越来越多；随着遇到新的长难句进行反馈，脑中节点之间连接的权重会不断调整。结果是你会你会越读越快，看到一个长难句，脑中会快速过一遍自己的知识网络，得到准确率较高的答案。

这个朴素的过程，仿佛是人工神经网络训练与预测的过程。回头想想，机器学习的原理在某些方面就和人类学习一样一样的。想要提高预测准确率，就用更大的训练集。训练多了，会发现某些模型适合某些问题，遇到一个新领域的知识，哪怕从头开始，有了选择合适模型的能力，哪怕用少量训练集也能达到不错的预测准确度，一个崭新的大佬就诞生了。