本次资源为NSGA3的python代码，测试成绩为DTLZ系列

处理“YourCPUsupportsinstructionsthatthisTensorFlowbinarywasnotcompiledtouseAVX2”,tensorflow-1.14.0-cp37-cp37m-win_amd64.whl（WindowsCPU版Python3.7）

代码基于python3和opencv框架，可能需求安装所需的module；
功能描述--实现笔记本摄像头获取人脸的面部表情识别，happy，angry，neural，sad..--实现指定路径下视频中人脸的识别..验证成功，未做改动，源自github

python3.0爬虫，可以爬取小说，图片，修正部分代码可以爬所有小说

注释详细，协助短时间消化学会使用python3爬虫，了解并学习使用requests、lxml、xlwt库。
实列中以爬豆瓣电影为例，并下载到表格中。

报纸应用使用django框架制造的网络应用。
前端使用html和bootstrap而sqlite3用作数据库。
您可以添加任何人都可以查看的文章。
只需注册一个帐户，您就可以使用了。
要求Python3.7Django2.2.10和其他要求在Pipfile中。
设置项目下载并安装Python3.7下载并安装Git。
分叉存储库。
将存储$gitclonehttps://github.com//newspaper-app.git到本地计算机$gitclonehttps://github.com//newspaper-app.git将目录更改为报纸应用程序$cdnewspaper-app安装pipenv$pip3installpipenv创建一个虚拟环境并从Pipfile安装所有要求$pipenvinstall激活环境：$pipenvshell进行迁移$pythonmanage.pymakemigrations将更改迁

本压缩包包括SHA-3python源代码，和官方文档。
hash结果为标准hash值，正文详细，适合初学者。
本代码实现的是SHA-3512hash算法。
现列出本代码空字符hash值便于检验('a69f73cca23a9ac5c8b567dc185a756e97c982164fe25859e0d1dcc1475c80a615b2123af1f5f94c11e3e9402c3ac558f500199d95b6d3e301758586281dcd26')可以用python3自带hashlib类检验

识别结果大概是这样{'result':{'face_num':1,'face_list':[{'quality':{'occlusion':{'right_eye':0,'left_cheek':0.1459853947,'right_cheek':0.05144193396,'left_eye':0.465408802,'mouth':0.02919708006,'chin_contour':0.01420217194,'nose':0},'illumination':116,'blur':7.266304692e-06,'completeness':1},'age':22,'face_token':'dc6f8f9df5d977ea476e2d04acdf5063','race':{'type':'white','probability':0.6173604727},'glasses':{'type':'common','probability':0.9834988713},'gender':{'type':'male','probability':0.655915916},'face_probability':0.9185044169,'beauty':51.21487427,'angle':{'roll':-2.750922441,'yaw':28.97134399,'pitch':5.202290535},'location':{'height':65,'top':112.0704803,'width':76,'left':76.20765686,'rotation':-4},'face_type':{'type':'human','probability':0.9992217422},'face_shape':{'type':'oval','probability':0.4419156313},'expression':{'type':'none','probability':0.9999142885}}]},'error_msg':'SUCCESS','timestamp':1537413754,'cached':0,'error_code':0,'log_id':9465840013520}年龄：22颜值：51.21487427表情-type(none:不笑；
smile:微笑；
laugh:大笑)：none表情-probability(表情置信度，范围【0~1】，0最小、1最大)：0.9999142885脸型-type(square:正方形triangle:三角形oval:椭圆heart:心形round:圆形)：oval脸型-probability(置信度，范围【0~1】，代表这是人脸形状判断正确的概率，0最小、1最大)：0.4419156313性别-type(male:男性female:女性)：male性别-probability(性别置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.655915916能否带眼镜-type(none:无眼镜，common:普通眼镜，sun:墨镜)：common能否带眼镜-probability(眼镜置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.9834988713人种-type(yellow:黄种人white:白种人black:黑种人arabs:阿拉伯人)：white人种-probability(人种置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.6173604727真实人脸/卡通人脸-type(human:真实人脸cartoon:卡通人脸)：human真实人脸/卡通人脸-probability(人脸类型判断正确的置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.9992217422

谷歌C++代码静态分析对象，支持python2python3

python3.7.9mac版

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。