给EXE格式文件加密 可生成以下模式
1: 注册码
2:机器码+注册码
3：用户名+注册码
4：用户名+机器码+注册码
windOWs7 64位运行正常
2021-11-08 17:20:52
9.71MB
1
ESRGAN：增强的超分辨率生成对抗网络
用于图像超分辨率的Pipeine任务基于经常引用的论文（Wang Xintao等人），于2018年发布。
简而言之，图像超分辨率（SR）技术可从观察到的较低分辨率（LR）图像重建高分辨率（HR）图像或序列，例如将720p图像放大为1080p。
解决此任务的常用方法之一是使用能够从LR图像中恢复HR图像的深度卷积神经网络。 而ESRGAN（增强型SRGAN）就是其中之一。 ESRGAN的要点：
基于SRResNet的架构，带有残存残存块；
上下文，感性和对抗性损失的混合体。 使用上下文损失和感知损失来进行适当的图像放大，而对抗损失则使用鉴别器网络将神经网络推向自然图像流形，该鉴别器网络经过训练以区分超分辨图像和原始照片级逼真的图像。
技术领域
作为深度学习任务的管道运行者的Catalyst 。 这个新的，发展Swift的。 可以大大减少样板代
2021-10-18 10:40:56
5.98MB
1
中文-DeepNER-Pytorch
天池中药说明书实体识别挑战冠军方案开源
贡献者：
zxx飞翔的鱼： :
我是蛋糕王： :
数青峰： :
后续官方开放数据集后DeepNER项目会进行优化升级，包含完整的数据处理，训练，验证，测试，部署流程，提供详细的代码注释，模型介绍，实验结果，提供更普适的基础预训练的中文命名实体识别方案，开箱即用，欢迎星级！
（代码框架基于火炬和变压器，框架进行性，解耦性，易读性较高，很容易修改迁移至其他NLP任务中）
环境
python3 . 7
pytorch == 1.6 . 0 +
transformers == 2.10 . 0
pytorch - crf == 0.7 . 2
项目目录说明
DeepNER
│
├── data # 数据文件夹
│ ├── mid
2021-10-07 23:10:39
3.04MB
1