YuKiFuHaNeの博客

安装：pip install crypto pip install pycryptodome ifrom Crypto.Cipher import AESmport base64 import os 123456789101112131415161718192021class FileAES: def __init__(self,key): self.key = key #将密钥转换为字符型数据 self.mode = AES.MODE_ECB #操作模式选择ECB def encrypt(self,text): """加密函数""" file_aes = AES.new(self.key,self.mode) #创建AES加密对象 text = text.encode('utf-8') #明文必须编码成字节流数据，即数据类型为bytes while len(text) % 16 != 0:...

一、 单项选择题BAT命令常用操作学习大全 一、基础语法：1.批处理文件是一个“.bat”结尾的文本文件，这个文件的每一行都是一条DOS命令。可以使用任何文本文件编辑工具创建和修改。 2.批处理是一种简单的程序，可以用 if 和 goto 来控制流程，也可以使用 for 循环。 3.批处理的编程能力远不如C语言等编程语言，也十分不规范。 4.每个编写好的批处理文件都相当于一个DOS的外部命令，把它所在的目录放到DOS搜索路径(path)中，即可在任意位置运行。 5.C:\AUTOEXEC.BAT 是每次系统启动时都会自动运行的，可以将每次启动时都要运行的命令放入该文件中。 6.大小写不敏感(命令符忽略大小写) 7.批处理的文件扩展名为 .bat 或 .cmd。 8.在命令提示下键入批处理文件的名称，或者双击该批处理文件，系统就会调用Cmd.exe来运行该文件。 二、参数：1) 系统参数 12345678910111213141516171819202122232425%SystemRoot% === C:\WINDOWS (%windir% 同样)%ProgramFiles% =...

import csv 1234567891011121314151617181920212223242526272829303132333435363738394041424344# 操作文件对象时，需要添加newline参数逐行写入，否则会出现空行现象with open('eggs.csv', 'w', newline='') as csvfile: # delimiter 指定分隔符，默认为逗号，这里指定为空格 # quotechar 表示引用符 # writerow 单行写入，列表格式传入数据 spamwriter = csv.writer(csvfile, delimiter=' ',quotechar='|') spamwriter.writerow(['www.biancheng.net'] * 5 + ['how are you']) spamwriter.writerow(['he...

CGAN(condaitional)原始GAN缺点生成的图像是随机的，不可预测的，无法控制网络输出特定的图片，生成目标不明确，可控性不强针对原始GAN不能生成具有特定属性的图片的问题，MehdiMirza等人提出了cGAN,其核心在于将属性信息y融入生成器G和判别器D中，属性y可以是任何标签信息，例如图像的类别、人脸图像的面部表情等。 CGANcGAN的中心思想是希望可以控制GAN生成的图片，而不是单纯的随机生成图片。具体来说，ConditionalGAN在生成器和判别器的输入中增加了额外的条件信息，生成器生成的图片只有足够真实且与条件相符，才能够通过判别器。 cGAN将无监督学习转为有监督学习使得网络可以更好地在我们的掌控下进行学习！比如，我们输入条件狗生成一张狗的图片输入条件猫生成一张猫的图片 CGAN模型架构（与传统GAN添加判别输入）

Clash是一个基于规则的跨平台网络代理工具，支持诸如Shadowsocks/V2Ray/Trojan等协议，功能强大，界面美观。 与传统的网络代理工具不同，Clash需要依赖配置文件（其他软件也得用，所以这话相当于废话）但是Clash不像一般的代理工具，无法在图形化前端上直接配置，不够直观，也就劝退了一堆小白。 好在，对于机场及付费服务用户来说，只要导入机场提供的订阅Url就完事了；对于自建用户，网络上也有很多“订阅转换”工具，能够满足基本要求。 然而，如果需要更好的个性化设置，那么只能对Clash的配置文件进行处理才能更好的让Clash**“为我所用”**。 （Q:Clash For Windows没有中文么？A:要不第三方汉化版，要不Google翻译去，总有一款适合你） Clash的配置文件基于Yaml格式，也正应此，配置文件可读性很高。 Yaml有如下优点： 大小写敏感 缩进只能使用空格（不能用tab） 以缩进指示层级关系 支持注释（因此比json可读性就高了不是一星半点） 闲话少叙，下面进入正题。 （Ps:本文使用模板文件来自此处) Clash配...

本文带你深入理解 Clash 配置文件，揭开 Clash 功能强大的面纱。 参考官方文档：doc 三个板块**proxies：节点信息proxy-groups：策略组rules：规则 **proxy-groups 中的 typetype 代表这个组的类型，有下面四种情况 select 手动选择，该组在节点列表上，手动选择列表或者 proxy-group url-test 延迟最低节点，测试该组所有节点的延迟 fallback 回落，连接该组第一个节点，不可用时切换到下一个节点 load-balance 负载均衡，由该组 2 个以上的节点提供链接 proxy-groups 和 rules 实现分流两个配合相当于一层过滤，你的网站都走这个，然后根据规则分流 比如说 rules 里面有一条 1 - DOMAIN-KEYWORD,pingfore,🛑 全球拦截 Copy proxy-groups 里有一条： 1 2 3 4 5 - name: 🛑 全球拦截 type: select proxies: - REJECT - DIR...

Cycle GAN解决了模型需要成对数据进行训练的困难 CycleGAN的原理可以概述为：将一类图片转换成另一类图片。也就是说，现在有两个样本空间，x和Y，我们希望把x空间中的样本转换成Y空间中的样本。（获取一个数据集的特征，并转化成另一个数据集的特征） 单独对抗损失Loss不能保证学习函数可以将单个输入Xi映射到期望输出Yi 在足够大的样本容量下，网络可以将相同的输入图像集合映射到目标域中图像的任何随机排列，其中任亻可学习的映射可以归纳出与目标分布匹配的输出分布（即：映射F完全可以将所有×都映射为Y空间中的同一张图片，使损失无效化）。 循环一致性损失（cycle consistency loss） 将X的图片转换到Y空间后，应该还可以转换回来。这样就杜绝模型把所有X的图片都转换为Y空间中的同一张图片了 判别器Loss 生成器Loss 一个单向GAN有两个loss,而CycleGAN加起来总共有四个loss 局限性==对颜色、纹理等的转换效果比较好，对多样性高的、多变的转换效果不好（如几何转换）==

import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import matplotlib.pyplot as plt %matplotlib inline import numpy as np import glob import os 查看tensorflow版本1tf.__version__ 查看是否支持GPU1tf.test.is_gpu_available() 加载mnist手写数据集1(train_image,train_labels),(_,_) = tf.keras.datasets.mnist.load_data() 查看数据12train_image.shape(60000, 28, 28) 12train_image.dtypedtype('uint8') 数据转换1train_image = train_image.reshape(train_image.shape[0],28,28,1).astype(...

DCGAN的设计 取消所有pooling层。G网络中使用转置卷积（ transposed convolutional layer）进行上采样，D网络中用 加入stride的卷积代替pooling。 去掉FC层，使网络变为全卷积网络 G网络中使用ReLU作为激活函数，最后一层使用tanh D网络中使用LeakyReLU作为激活函数 在generator和discriminator上都使用batchnorm。 解决初始化差的问题 帮助梯度传播到每一层 防止generator把所有的样本都收敛到同一个点。 直接将BN应用到所有层会导致样本震荡和模型不稳定，通过在 generator输出层和discriminator输入层不采用BN可以防止这种现象 使用Adam优化器， beta1(一阶矩估计的指数衰减率)的值设置为0.5 论文参数 LeakyReLU的斜率是0.2. learning rate=0.0002 batch size是128

import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import matplotlib.pyplot as plt %matplotlib inline import numpy as np import glob import os 查看tensorflow版本1tf.__version__ 查看是否支持GPU1tf.test.is_gpu_available() 获取图片路径1image_path = glob.glob('E:anime-face/Anime Faces/*') 定义加载函数1234567def load_image(image_path): img = tf.io.read_file(image_path) img = tf.image.decode_jpeg(img,channels=3)# img = tf.image.resize(img,[64,64]) img = tf...