虽然没懂为什么不直接 int('1234') 完事。但是附上递归版的：

```
def str2num(s):
if not s:
return 0
return 10 * str2num(s[:-1]) + {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s[-1]]
```

装二进制啊，从源码编译很坑的，你这个是从源码开始吧，报错是机器上没有 blas
我也用 anaconnda ，你就直接用集成的不就好了么，而且还有 mkl 加速版。
如果需要安装其他包，建议用 conda 管理，这个都是二进制包，不从源码来，方便很多，所有能 conda 的尽量 conda

conda instal xxx

@aisk
@northisland
@9hills
@wmhx
@herozhang
@hitmanx
@cszhiyue
@aisk
@petelin
@abxialiang

非常感谢各位的帮助！我重新测试了一次，发现果然是 IO 达到瓶颈的问题，同时尝试过异步 IO ，效果并没有什么提升，只能这么等着了~

特别 @aisk ，我那个数据有点问题，没注意测试的是一个更小文件的体系，那个体系 IO 跟得上，所以速度很快，与时间增长关系几乎是线性的。

which 好像这么用这个变量不会为空的

➜ ~ pip=`which pip`
➜ ~ echo $pip
/usr/bin/pip
➜ ~ pip=`which pippip`
➜ ~ echo $pip
pippip not found

所以还是用 $? 吧，如果没找到 $? 是 1 ，如果找到了，是 0 ，或者直接写：

if which $1 &> /dev/null; then
echo found
else
echo not found
fi

CFDISK_DEBUG=all
enables cfdisk debug output.

LIBFDISK_DEBUG=all
enables libfdisk debug output.

LIBBLKID_DEBUG=all
enables libblkid debug output.

LIBSMARTCOLS_DEBUG=all
enables libsmartcols debug output.

设置这几个环境变量

如果对方家里不是那么开放（都多多少少带重男轻女的，视病情轻重），如果很重男轻女，这年龄差距的弟弟会非常累赘。不过这样只要你对弟弟好就压力不大，当面多关心学习上的事情，严肃点，独处多带着玩儿。小孩儿就这么好糊弄。

要是对方家庭重男轻女思想严重的话，你就重新仔细考虑一下吧，如果在一起多做思想准备。

佯作看和谐片打飞机被发现……然后用那只手紧握鼠标。

@katyang 改 host 文件

127.0.0.1 localhost

古筝多范儿啊

@luxinyan1988 现在驱动好像支持看进程的部分了，至少 >= 980 的显卡可以看到。

当然，游戏卡没有双精度运算，也没有 ecc 校验。如果你没有双精度需求，也不是要高质量的 HPC ，只是还是推荐买游戏卡。性价比高。毕竟专门用于计算的比如 tesla 系列都是天价。

不过也看你的计算要求，如果是用一些现成的软件，做设计、电影、渲染一类的话， Q 系列渣一代也能虐游戏卡，如果没有特别指向的计算需求，还是游戏卡吧。毕竟，半途而废了还能玩个污师：困特 3 啊，观光信条啊，光头哥什么的。

楼上完美解决问题。
好像是一个需要不需要推演的问题， itertools 叫高效迭代器看来不是白叫的。
速度排序：
In [4]: %timeit len([0] * 10000) #直接写出列表
10000 loops, best of 3: 25.8 µs per loop
In [5]: %timeit len(list(itertools.repeat(0,10000))) #这个有 __length_hint__
10000 loops, best of 3: 49.9 µs per loop
In [6]: %timeit len([ i for i in itertools.repeat(0, 10000) ]) # list comprehension
1000 loops, best of 3: 333 µs per loop
In [7]: %timeit len(list((x for x in itertools.repeat(0, 10000)))) # list(generator)
1000 loops, best of 3: 642 µs per loop
如果用 0 for i in range(10000) 会更慢，就不写了。
所以应该是列表推导的问题。并且 list comprehension 的速度 > list(generator)
还有更慢的比如 sum(1 for i in generator)，不过内存消耗会最小。

没明白一点，是运行 task 时，输入经过 case1 ，被 task1 处理以后返回值如果不满足 case1 然后满足 case2 就扔给 task3 吗？

@aisk 我昨天测试了一下，在作业比较空闲的时候计算 3000 个文件最快只用了 80 多秒……目前机器有别人跑作业还没测， 30000 个文件我觉得也就应该 800 秒才对啊……

@leoli 电波对时是自动的貌似，在中国是收商丘的电波，你百度一下吧，我记得是这样的，一般说明书上都有，全世界哪里都有点播发射点的。

In [1]: import numpy as np

In [2]: a = array([[1,2,3],[2,2,3]])
...:

In [3]: np.sum(a, axis = 0)
Out[3]: array([3, 4, 6])

print(soup.title.string.encode('latin-1').decode('utf-8'))，编码不对啊
美女私房照_美女,写真,清纯,少女_私房照|美女私房照_美女写真,少女清纯写真照

@Furylord 如果想避免小数做索引，我建议做个 dict 把点标号，另一个用正常的矩阵表示，保证索引都是整数～

@Furylord 数据量如果不大就直接 numpy.array 吧，如果只多几万个零是不是也能忍了～我现在是 numbapro 党，一般没有啥效率问题，都能忍，有些问题就懒得去再看 sparse 了。