代码笔记：Dark Experience for General Continual Learning a Strong, Simple Baseline
作为学习该论文的代码的笔记，方便理解与复习。
1."__file__"和三个文件路径的处理函数
- "__file__":
一个内置变量，表示当前模块的文件路径，根据文件的使用不同可能是绝对路径，也可能是相对路径，类型是字符串。"script.py"（直接运行时） "/home/user/script.py"（绝对路径运行或导入时） - 三个文件路径处理函数
os.path.dirname(path) - 获取路径中的目录部分（去掉文件名）
os.path.basename(path) - 获取路径中的文件名部分（最后一个斜杠后的内容）
os.path.abspath(path) - 将路径转换为绝对路径（基于当前工作目录）# 相对路径 path = 'main.py' os.path.dirname(path) # 输出为'' os.path.basename(path) # 输出为'main.py' os.path.abspath(path) # 输出为'/home/user/mammoth/utils/main.py'(转换成了绝对路径)# 绝对路径 path = '/home/user/mammoth/utils/main.py' os.path.dirname(path) # 输出为'/home/user/mammoth/utils' os.path.basename(path) # 输出为'main.py' os.path.abspath(path) # 输出为'/home/user/mammoth/utils/main.py'
2.sys.path
sys.path 是一个列表，它指定了 Python 解释器在导入模块时要搜索的目录集合。当使用 import module_name 时，Python 会按照 sys.path 中列出的顺序，在这些路径中查找名为 module_name 的文件或目录。
sys.path.insert(0, mammoth_path)如图所示的代码代表将 mammoth_path 这个路径插入到 sys.path 列表的最前面（索引为 0 的位置），这样之后当使用 import module_name 时，Python 会优先在当前的路径查找，方便使用自己的文件和模块。
3.#noqa: F401
flake8 是一个代码风格和语法检查工具，会针对代码质量、风格和潜在问题进行检查并报告警告和错误。
"#noqa:" 是一个特殊的注释，可以让flake8忽略这一行代码的某些特定的警告，其中"F401"是模块导入但未使用的警告，"#noqa: F401"可以让flake8忽略该行导入模块但未使用，从而不给出对应的警告。
简而言之这个注释不是给人看的是给flake8看的。
4.".env"文件
.env 文件是一个环境变量配置文件，用于存储应用程序的环境变量，其储存的格式为简单的键值对格式，类似于：
DATABASE_URL=postgresql://user:password@localhost/dbname
API_KEY=your_secret_key_here
DEBUG=True
SECRET_KEY=your_secret_key
HOST=localhost
PORT=8000使用方法为利用load_dotenv()直接加载，如下图所示：
import os
from dotenv import load_dotenv# 直接加载，默认加载当前目录下的.env文件
load_dotenv()
# 也可以用绝对或者相对路径加载
load_dotenv('C:/Users/YourName/project/.env')# 然后就可以用os.使用环境变量了
database_url = os.getenv('DATABASE_URL')
secret_key = os.getenv('SECRET_KEY')# 也可以附带个默认值
host = os.getenv('HOST','1234') # .env文件里找不到就用'1234'赋值.env 文件的核心好处就是将敏感配置与代码分离，避免密码密钥等机密信息泄露到版本库中。
5.TYPE_CHECKING
TYPE_CHECKING 是一个在 typing 模块中定义的常量，它只在类型检查时（如使用 mypy 等工具时）为 True，在运行时为 False，用于避免导入仅在类型提示中使用的模块。
听上去就很抽象，因为这个东西实际上不是写给人看的，是写给类似mypy这样静态类型检查器看的。
TYPE_CHECKING的作用之一是防止循环导入，先举个简单的循环导入的例子：
# husband.py
from wife import Wife # 导入妻子类class Husband:def __init__(self, name: str):self.name = nameself.wife: Wife | None = None # 需要Wife类型注解# Wife | None 表示可能是Wife类型也可能是None类型（没有妻子）def marry(self, wife: Wife) -> None:self.wife = wifeprint(f"{self.name} 娶了 {wife.name}")
# wife.py
from husband import Husband # 导入丈夫类 → 循环导入错误！class Wife:def __init__(self, name: str):self.name = nameself.husband: Husband | None = None # 需要Husband类型注解def marry(self, husband: Husband) -> None:self.husband = husbandprint(f"{self.name} 嫁给了 {husband.name}")运行husband.py时，导入了wife.py的妻子类，但是wife.py在编译妻子类时又需要用到husband.py的丈夫类，问题是现在husband.py还没编译完，所以运行时会报错：
ImportError: cannot import name 'Husband' from partially initialized module 'husband'这里最主要的一个问题就是husband.py中用了wife.py的妻子类作为类型注释，实际上，把代码中原本的Wife加个引号变成字符串作为类型注释就可以了，如下所示：
# husband.py
# from wife import Wife # 不需要导入妻子类了class Husband:def __init__(self, name: str):self.name = nameself.wife: 'Wife | None' = None # 需要Wife类型注解# Wife | None 表示可能是Wife类型也可能是None类型（没有妻子）def marry(self, wife: 'Wife') -> None:self.wife = wifeprint(f"{self.name} 娶了 {wife.name}")当然，wife.py中的丈夫类也要加引号变成字符串作为类型注释，这样代码就不会出问题了。
其中的原理就是：Python 的类型系统采用了一种"渐进式"或"可选类型"的设计。其核心原理是：类型注解在运行时会被 Python 解释器完全忽略，因此它们不会影响程序的执行（程序报错只可能源于实际的逻辑错误或异常）。然而，像 mypy 这样的静态类型检查器会在代码运行前，专门分析这些类型注解，如果发现参数类型与注解不匹配，检查器会向我们报告错误，但它依然无权阻止我们运行代码。
并且 mypy 能够正确解析字符串形式的类型注释，它会将这些字符串视为实际存在的类型进行验证，如果我们在字符串中引用了未定义或未导入的类，mypy 会认为这是一个类型错误并给出相应的提示。
所以为了不让mypy报错，我们不仅要用正确的字符串作为类型注释，还要给代码加上TYPE_CHECKING，以下是加了TYPE_CHECKING后的代码：
from typing import TYPE_CHECKINGif TYPE_CHECKING:from wife import Wifeclass Husband:def __init__(self, name: str):self.name = nameself.wife: "Wife | None" = Nonedef marry(self, wife: "Wife") -> None:self.wife = wifeprint(f"{self.name} 娶了 {wife.name}")
from typing import TYPE_CHECKINGif TYPE_CHECKING:from husband import Husbandclass Wife:def __init__(self, name: str):self.name = nameself.husband: "Husband | None" = Nonedef marry(self, husband: "Husband") -> None:self.husband = husbandprint(f"{self.name} 嫁给了 {husband.name}")mypy 在进行静态类型检查时，会将 TYPE_CHECKING 视为 True，因此它会处理条件块内的导入语句，确认 Wife 类已被正确导入。这样，当它看到字符串注释 'Wife' 时，就能正确识别其指向的实际类型。
而在 Python 运行时，TYPE_CHECKING 为 False，条件导入语句会被跳过，从根本上避免了循环导入问题，同时，由于类型注解使用的是字符串形式，运行时无需解析这些类型信息，也就不像自定义类一样依赖包的导入，所以也不影响代码的正确运行。
TYPE_CHECKING 的另一个重要作用是提升性能。有些第三方库导入很慢，或者会占用大量内存，如果导入这些库仅仅是为了类型注解（实际运行时并不需要），就会造成不必要的资源浪费，通过把这些导入放在 "if TYPE_CHECKING:" 块里，可以确保它们只在静态检查时被识别，而不会在程序运行时被实际加载，从而节省了启动时间和内存开销。