非常全面的资料，包括国际国内的软件安全形势、静态应用安全测试技术、OWASP top10安全漏洞解析、DevSecSec流程和工具、SAST工具典型功能、SCA工具典型功能、SAST工具对比、SAST污点分析技术、代码审计技术和Java典型安全漏洞。

对Fortify SCA、Checkmarx、CodeSecure 三款工具进行对比。

灾害响应管道项目 目录 安装 运行主应用程序的所有依赖项都在requirements.txt文件中进行整理。我建议使用该文件创建虚拟环境。使用Python版本3. *时，代码应该没有问题地运行。 预处理文件夹中的jupyter笔记本是使用Python的标准Anaconda发行版创建的。 依赖项是： 点击== 7.1.2 joblib == 1.0.1 langdetect == 1.0.8 nltk == 3.5 numpy == 1.20.1 熊猫== 1.2.3 python-dateutil == 2.8.1 pytz == 2021.1 regex == 2020.11.13 scikit学习== 0.24.1 scipy == 1.6.1 六个== 1.15.0 SQLAlchemy == 1.3.23 threadpoolctl == 2.1.0 tqd

ca-fires-history 跟踪来自火灾数据 如果此仓库已更改，则每二十分钟存档一次最新版本的 。 该项目的背景：

S. Sastry, M. Bodson, Adaptive control: stability, convergence and robustness

灾难鸣叫检测器 项目概况 该项目是Kaggle挑战。 在紧急时刻，Twitter已成为重要的沟通渠道。 由于Twitter提供近乎实时的信息，因此第一响应者越来越多地对其进行监视。 但是他们可能会面临困难，很难清楚地确定一个人是否正在宣布灾难。 使用包含隐喻的许多推文，这项任务可能很棘手。 我基于监督学习构建了一个解决方案，可以识别一条推文是否与真正的灾难有关。 这可以帮助紧急服务自动监视Twitter，以更好地检测灾难。 Github资料库 该存储库包含3个脚本： eda.y ：对“关键字”和“位置”特征的探索性分析，以分析与灾难发生的可能关联。 preprocessing.py ：一系列推文清洁和预处理 modelling.py ：推文矢量化（TF-IDF）和二进制分类模型（多项朴素贝叶斯） 探索性数据分析 我想弄清楚我们是否可以利用模型中的“位置”和“关键字”列。 关键字分

自然语言处理与灾难鸣叫Kaggle

Pro SQL Server Disaster Recovery sqlServer pdf格式电子书,数据库高级教程, 英文版

基于pytorch的OCR库 这里会有这个项目的代码详解和我的一些ocr经验和心得，我会慢慢更新，有兴趣可以看看，希望可以帮到新接触ocr的童鞋 最近跟新： 2021.05.01 更新CRNN 训练，解决了多gpu训练问题，更换成lmdb训练，需要将图片先转成lmdb（在script文件夹中有多进程将图片转成lmdb的代码），做了一些训练优化，模型结构更改（训练时使用名字中带lmdb的yaml文件），实际训练效果如下表。 2021.03.26 更新CRNN 训练效果，代码整理后上传 2021.03.06 更新CRNN backbone resnet 和 mobilev3 以及配置文件 2020.12.22 更新CRNN+CTCLoss+CenterLoss训练 2020.09.18 更新文本检测说明文档 2020.09.12 更新DB,pse,pan,sast,crnn训练测试代码和预训练

2020版新教材高中英语 Unit 6 Disaster and hope Using language练习 外研版3.doc