基于Python的Web应用程序扫描程序，用于在目标网站上收集OSINT和fuzz以查找OWASP漏洞。 关于：BlackWidow 是一个基于 Python 的网络应用程序蜘蛛，用于从目标网站收集子域、URL、动态参数、电子邮件地址和电话号码。 该项目还包括 Inject-X 模糊器，用于扫描动态 URL 以查找常见的 OWASP 漏洞。 演示视频： 功能： 自动收集目标网站的所有 URL 自动收集目标网站的所有动态 URL 和参数 自动收集目标网站的所有子域 自动收集目标网站的所有电话号码 自动收集目标网站的所有电子邮件地址自动从目标网站收集所有表单 URL 自动扫描/模糊常见的 OWASP TOP 漏洞自动将所有数据保存到排序的文本文件中 LINUX 安装：sudo bash install.sh 用法：blackwidow -u https://target.com - 爬取目标。 com 具有 3 个深度级别。 blackwidow -d target.com -l 5 -vy - 以 5 级深度抓取域：target.com，启用详细日志记录。 blackwidow

german_credit_python 用于预测贷款违约的Logistic回归Python模型。 在德国信用数据数据集上对模型进行了训练。 logreg_classifier.pickle是训练有素的模型工件。 包括评分函数的样本输入（ df_baseline.json ， df_sample.json ）。 模型代码包括用于计算“组”和“偏差”指标的指标函数。 指标函数期望一个DataFrame至少具有以下三列和三列： score （预测）， label_value （实际）和gender （受保护的属性）。 包括指标功能的样本输入（ df_baseline_scored.json ， df_sample_scored.json ）。

An implement of the paper of EDA for Chinese corpus.中文语料的EDA数据增强工具。NLP数据增强。论文阅读笔记。

计算机网络课程设计（物联网课程设计）《智能家居协议设计》，使用socket编程，python实现，附规范报告及python源码

利用python语言实现了casa模型的NPP的计算，包括数据的读取等，亲测可用

当你忘记压缩文件的密码怎么办呢？可以自己写一个暴力破解压缩文件zip的工具， python 源码 提供给大家

使用FFT加速插值和近似最近邻居在11分23秒内计算来自小鼠神经系统[Zeisel 2018]的160,796个单细胞转录组的可视化。 openTSNE openTSNE 是 t-Distributed Stochasitc Neighbor Embedding (t-SNE) [1] 的模块化 Python 实现，这是一种用于可视化高维数据集的流行降维算法。 openTSNE 结合了对 t-SNE 算法的最新改进，包括向现有嵌入添加新数据点的能力 [2]、大量速度改进 [3] [4]，使 t-SNE 能够扩展到数百万个数据点和各种改进结果可视化的全局对齐的技巧 [5]。 使用多尺度核技巧嵌入从小鼠视网膜 [6] 获得的 44,808 个单细胞转录组的可视化，以更好地保持簇的全局对齐。 文档用户指南和教程示例：基本、高级、保留全局对齐、嵌入大数据集速度基准安装 openTSNE 需要 Python 3.6 或更高版本才能运行。 Conda openTSNE 可以很容易地从 conda-forge 安装 conda install --channel conda-forge op

欧盟的马里拉教廷建筑或聊天室 um simples chat em python para servir de base pro meu chat em C 美国海军司令部 示例como usar como servidor-> ./main --server -p PORT 示例como usar como cliente-> ./main --client -p PORT IP

PointCloudDet3D：利用PyTorch从点云中检测3D对象的通用代码库 PCDet：3D 点云检测 PCDet 是基于 PyTorch 的通用代码库，用于从点云进行 3D 对象检测。 简介 PCDet 是一个基于 PyTorch 的通用代码库，用于从点云进行 3D 对象检测。 它目前支持多种最先进的 3D 对象检测方法（PointPillar、SECOND、Part-A^2 Net），并为一阶段和两阶段框架提供高度重构的代码。 这也是Part-A^2网的官方代码发布。 请注意，目前该框架主要包含基于体素的方法，未来我们将支持更多基于点的方法。 目前支持的特性 支持一阶段和二阶段 3D 对象检测框架 多 GPU 多机器分布式训练，在 KITTI 上实现 SoTA 结果大约需要 5 小时GPU 版本 3D IoU 计算和旋转 NMS 模型 Zoo KITTI 3D Object Detection Baselines 支持的方法如下表所示。 结果是在 KITTI 数据集的 val 集上汽车类别的 3D 检测性能。 所有模型都使用 8 个 GPU 进行训练，并且可供

该文件是《Python源码剖析》一书中提供的源代码。