内含三个必要文件，该脚本可完美识别深圳信用网的验证码。
同时Img.py还能用于其他验证码的图像处理操作。

笔者曾混迹过各种攻防演练活动，参与过防守方、攻击方，也算是大概了解了每一个队伍的任务～参加防守时印象尤为深刻，也跟一起防守的“战友”做过有趣的事情，例如：反打攻击队；
题外话说的有点多了，来说说为什么开发这样一个平台：作为一个防守方光看日志固然是枯燥无味的，偶尔来几次反向打击啥的，增添防守的乐趣～所以我想到了做这样一个系统，就是想在“空暇”时间能获取点“黑客攻击者”的“画像”。
本平台采用被动式的方式分析黑客攻击者画像，可扩展赋能蜜罐以及安全设备，将平台接口部署在蜜罐Web界面上即可，当攻击者访问所部署的Web界面即触发平台分析功能，对访问者进行分析，数据回传平台分析其网络身份、IP、IP定位：物理地址等信息。
AHRID信息展示平台支持接口授权的方式授权站点，已授权站点才可使用平台接口进行被动式的攻击者画像分析以及数据回传。
AHRID接口授权平台的分析功能采用模块化设计，可针对不同的分析功能新建不同的分析模块进而让平台的分析功能更加丰富完善（开源版本目前只支持JSONP探针模块）AHRID提交模块AHRID开源版使用授权使用登录进AHRID平台之后需要先添加接口授权：AHRID接口授权当添加完毕后，复制接口代码至蜜罐页面或需监测的页面中即可（建议复制到最后），这样就已经部署成功了，只需要等待攻击者触发数据回传功能，等待画像信息即可。
模块提交当已经发现一个JSONP劫持漏洞时，即可提交到AHRID平台上：JSONP劫持漏洞漏洞地址：http://my.website/dorabox/csrf/jsonp.php?callback=test要获取的信息：username模块提交说明：1.名字模块名字（建议使用英文）2.SRC存在JSONP劫持漏洞的URL地址3.回调参数值回调参数的值（参数=值）4.数据字段JSON字段（例如：{"username":"123"}，要获取的是username即填写username；
例如：{"data":{"uid":"123"}}，要获取的是uid即填写data.uid）5.信息展示地址一般填写无或者随意填写6.模块描述根据模块功能说明AHRID模块提交示例AHRID开源版设计概述当攻击者访问到部署了AHRID接口的页面，即触发JSONP探针获取攻击者已登录状态下的登录信息，回传登录信息+IP+UA，后端会对IP进行物理地址转换，最终将数据记录到数据库。
数据库结构表：Admin-列：id,username,password表：Hackinfo-列：hid,host,ip,user_agent,jsondata,creaye_time,times表：Plugins-列：pid,name,src,callback,columns,url,commit表：Apis-列：aid,hostIP地址转换依赖：GeoLite2-City.mmdbIP定位依赖：接口apis.map.qq.com、way.jd.com+取中心点依赖环境：Python2+Flask+Mysql所需网络环境：互联网（可出网）AHRID开源版搭建1.config.py配置文件修改需要配置的信息如下：USERNAME:Mysql用户名PASSWORD:Mysql用户密码HOST:Mysql主机地址PORT:Mysql端口SECRET_KEY:SESSION秘钥（建议16位以上随机英文字母+数字+特殊符号）TX_KEYS:腾讯接口KEYS（2个以上，参考：https://lbs.qq.com/webservice_v1/guide-ip.html）JCLOUD_KEY:京东云接口KEY（Github可白嫖）2.Mysql创建“ahrid”数据库3.执行如下代码pythonmanage.pydbinitpythonmanage.pydbmigrate4.启动服务：sudopythonapp.py默认端口为：80，可自行修改app.py文件如下代码部分server=pywsgi.WSGIServer(('0.0.0.0',80),app)

帕绍大学硕士论文主题：域自适应本文讨论了一种通用的领域自适应模型技术的发展，这将有助于解决各种计算机视觉任务。
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和

请先装好mongo以及redis，然后python环境请确认在python3.5+，不会安装mongo看这里mongo以及redis装好后，进入项目目录，依照步骤执行：pipinstall-rrequirements.txt#运行：pythonserver.py#或者gunicorn--bind127.0.0.1:8001--worker-classsanic.worker.GunicornWorkerserver:apv0.1.0：小说的基本搜索解析功能搜索记录缓存书架书签登录初步兼容手机（后续跟进）TODO:注册（开放注册）上次阅读最新章节书友推荐（很基础的推荐）目录获取翻页搜索排行部分页面重写排行榜阅读书单推荐：owllook使用了以下第三方包:sanic：基于Python3.5+的异步web服务器sanic_session：sanic的持续会话插件uvloop：sanic默认使用uvloop，替代asyncio本身的loopmotor：异步的mongodb驱动?Jinja2：基于python的模板引擎aiohttp：异步请求aiocache：异步缓存，本项目改用了其中的decorator部分，缓存数据库使用rediscaddy：基于go的web服务器…...更多见requirements.txt，感谢开发者。
web框架：bootstrap：Sleek,intuitive,andpowerfulfront-endframeworkforfasterandeasierwebdevelopment.mdui：MDUI是一个基于MaterialDesign的前端框架

通过模块化的编程思想，运用Tensorflow搭建的全连接神经网络，代码包括5个文件，分别为generateds.py;forward.py;backward.py;test.py;appMnist.py，分别对应生成数据集，前向传播，反向传播，测试模型，运用模型做预测的功能

课程简单写的，如有需要下载后可以私信给作业相关的说明文档，py写的

add_layer.py

cifar10_vgg16.py

Django-Tatorr项目结构默认情况下，Django模板加载器会在每个应用程序内查找一个templates文件夹。
但是为避免命名空间问题，您还需要在添加模板文件之前在其下的文件夹中重复应用名称。
例如，如果我们的example_project包含一个pages应用程序和一个home.html模板文件，则正确的结构应如下所示：在pages应用程序中，我们创建一个templates目录，然后是一个pages目录，最后是我们的home.html文件。
├──example_project│├──__init__.py│├──settings.py│├──urls.py│└──wsgi.py|└──pages|├──__init__.py│├──admin.py│├──apps.py

Streamlit是一款基于Python的数据可视化和应用开发框架，它允许数据科学家和工程师快速创建交互式的、美观的应用程序，无需深入学习前端技术。
这个“streamlit-example”项目是一个学习和实践Streamlit的好例子，让我们来深入探讨一下Streamlit的核心特性和如何使用它。
Streamlit的工作原理是通过读取Python脚本来构建应用程序的界面。
在你的项目中，`streamlit-example-main`很可能包含了运行Streamlit应用的主文件。
通常，这个文件会有一个或多个`streamlit.write()`函数，用于输出各种类型的数据显示。
1.**安装与启动**：-安装Streamlit库：在命令行或终端中运行`pipinstallstreamlit`。
-运行应用：找到`streamlit-example-main`中的主Python文件（如`app.py`），然后运行`streamlitrunapp.py`。
这将在本地启动一个Web服务器，你可以通过浏览器访问应用程序。
2.**核心组件**：-`streamlit.write()`:这个函数是Streamlit的基础，它可以输出文本、HTML、图像、图表等。
-`streamlit.pyplot()`:用于展示matplotlib生成的图表。
-`streamlit.plotly()`:支持Plotly库的交互式图表。
-`streamlit.altair()`:显示Altair库的静态或交互式图表。
-`streamlit.dataframe()`:直接展示PandasDataFrame。
-`@streamlit.component`:创建自定义的UI组件。
3.**数据交互**：-Streamlit支持用户输入，例如`streamlit.text_input()`和`streamlit.number_input()`，可以创建文本框和数字输入框。
-使用`streamlit.checkbox()`和`streamlit.radio()`让用户选择选项。
-`streamlit.selectbox()`允许用户从下拉菜单中选择。
4.**状态管理**：-Streamlit的`st.cache()`装饰器可以缓存函数结果，提高性能。
-`st.session_state`用于在页面刷新时保持用户的状态。
5.**布局控制**：-使用`streamlit.column()`和`streamlit.row()`可以控制页面的布局。
-`st.beta_container()`提供更灵活的布局选项，比如网格系统。
6.**部署**：-Streamlit提供了一键部署到免费的StreamlitSharing服务，只需运行`streamlitshare`命令。
-也可以将应用部署到Heroku、GoogleCloud或AWS等云平台。
7.**社区和扩展**：-Streamlit有活跃的社区，用户可以分享代码和应用，找到很多有用的示例。
-通过社区创建的库（如streamlit-aggrid、streamlit-dashboards等）可以增强Streamlit的功能。
通过这个`streamlit-example`项目，你可以学习如何使用这些组件和功能，逐步创建自己的数据可视化解析或应用。
记得探索源代码，理解每个部分的作用，这将帮助你更好地掌握Streamlit的使用技巧。
在实践中不断迭代，你会发现Streamlit是一个强大且易用的工具，能帮助你快速将数据分析转化为引人入胜的交互式应用。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。