[C#]某省学法考法平台自动学习工具（成品 + 源码）

以前的贴子过期了，有不少坛友在问更新的，所以再发一个新帖，介绍如题
代码瞎写的,没有备注,没有try catch。。不过稳定性还可以，没崩溃过。。。
可搭配StupidOCR验证码识别使用(或者收费的接码平台)




可以实现多账号全自动挂机，，你可以帮你们单位的人全学了。。。
但要这个功能需要自己接一个打码平台。。。

关于打码
在源码的Global类中有打码的方法。
上面的是收费平台的在线打码，有需要的就你们自己研究了，我把我的key删掉了。
软件默认下方StupidOCR方法配合本地使用，需要修改请自己修改源码。


下载

https://github.com/CrazyNutLz/AutoStudyXFK
代码已经同步开源到GitHub，有需要的话点个star噢，谢谢

成品：AutoStudyXFK_v1.1.zip(355.78 KB, 下载次数: 142)2025-6-11 00:11 上传
点击文件名下载附件



另外，因StupidOCR过大（200M），请前往原帖链接下载
StupidOCR_1.0.6 验证码识别，可本地可部署服务器，增加图标点选功能  (出处: 吾爱破解论坛)

广东的怎么用呢，大佬

学法考法平台有个万能验证码，在这里不宜说

感谢分享

   速速细嗦

学习一下

[Python]  

1. from torch.utils.data import DataLoader
2. from torch.utils.data import Dataset
3. from torch.utils.tensorboard import SummaryWriter
4. from torch import nn
5. from torch.optim import Adam
6. from torchvision import transforms
7. import torch
8. import os
9. from PIL import Image
11. captcha_array=list("0123456789")
12. captcha_size=4
14. def text2Vec(text):
15.     vec=torch.zeros(captcha_size,len(captcha_array))
16.     for i in range(len(text)):
17.         vec[i,captcha_array.index(text[i])]=1
18.     return vec
19. def vec2Text(vec):
20.     vec=torch.argmax(vec,dim=1)
21.     text=""
22.     for i in vec:
23.         text+=captcha_array[i]
24.     return text
26. class vkmodel(nn.Module):
27.     def __init__(self):
28.         super(vkmodel,self).__init__()
29.         self.layer1=nn.Sequential(
30.             nn.Conv2d(in_channels=1,out_channels=64,kernel_size=3,padding=1),
31.             nn.ReLU(),
32.             nn.MaxPool2d(kernel_size=2)
33.         )
34.         self.layer2=nn.Sequential(
35.             nn.Conv2d(in_channels=64,out_channels=128,kernel_size=3,padding=1),
36.             nn.ReLU(),
37.             nn.MaxPool2d(kernel_size=2)
38.         )
39.         self.layer3=nn.Sequential(
40.             nn.Conv2d(in_channels=128,out_channels=256,kernel_size=3,padding=1),
41.             nn.ReLU(),
42.             nn.MaxPool2d(kernel_size=2)
43.         )
44.         self.layer4=nn.Sequential(
45.             nn.Conv2d(in_channels=256,out_channels=512,kernel_size=3,padding=1),
46.             nn.ReLU(),
47.             nn.MaxPool2d(kernel_size=2)
48.         )
49.         self.layer5=nn.Sequential(
50.             nn.Flatten(),
51.             nn.Linear(in_features=6144,out_features=4096),
52.             nn.Dropout(0.2),
53.             nn.ReLU(),
54.             nn.Linear(in_features=4096,out_features=captcha_size*captcha_array.__len__())
55.         )
57.     def forward(self,x):
58.         x=self.layer1(x)
59.         x=self.layer2(x)
60.         x=self.layer3(x)
61.         x=self.layer4(x)
62.         x=self.layer5(x)
63.         return x
64.    
65. class my_dataset(Dataset):
66.     def __init__(self,root_dir) -> None:
67.         super(my_dataset,self).__init__()
68.         self.image_path=[os.path.join(root_dir,image_name) for image_name in os.listdir(root_dir)]
69.         self.transforms=transforms.Compose(
70.             [
71.                 transforms.ToTensor(),
72.                 transforms.Resize((47,100)),
73.                 transforms.Grayscale()
74.             ]
75.         )
76.     def __len__(self):
77.         return self.image_path.__len__()
78.     def __getitem__(self, index):
79.         image_path=self.image_path[index]
80.         image=self.transforms(Image.open(image_path))
81.         label=image_path.split('\\')[-1]
82.         label=label.split("_")[0]
83.         label_tensor=text2Vec(label)
84.         label_tensor=label_tensor.view(1,-1)[0]
85.         return image,label_tensor
86.    
87. class Predict():
88.     def __init__(self,modelPath) -> None:
89.         self.device='cuda' if torch.cuda.is_available() else 'cpu'
90.         self.detector = torch.load(modelPath, map_location=torch.device(self.device), weights_only=False)
91.         self.detector.eval()
92.         self.trans=transforms.Compose(
93.             [
94.                 transforms.Resize((47,100)),
95.                 transforms.Grayscale(),
96.                 transforms.ToTensor(),
97.             ]
98.         )
100.     def predict(self,img:Image.Image):
101.         if img.mode=='RGBA':
102.             fill_color = (255,255,255)
103.             background = Image.new(img.mode[:-1], img.size, fill_color)
104.             background.paste(img, img.split()[-1])
105.             img = background.convert("RGB")
106.         img_tensor=self.trans(img).to(self.device)
107.         img_tensor=img_tensor.reshape((1,1,47,100))
108.         output=self.detector(img_tensor)
109.         output=output.view(-1,captcha_array.__len__())
110.         output_label=vec2Text(output)
111.         return output_label
113. if __name__=='__main__':
114.     device='cuda' if torch.cuda.is_available() else 'cpu'
115.     train_dataset=my_dataset(os.path.join(os.getcwd(),r'datasets\train'))
116.     train_dataloader=DataLoader(dataset=train_dataset,batch_size=40,shuffle=True)
117.     w=SummaryWriter("log")
118.     loss_fn=nn.MultiLabelSoftMarginLoss().to(device)
119.     vk=vkmodel().to(device)
120.     optim=Adam(vk.parameters(),lr=0.001)
121.     total_step=0
122.     for epoch in range(10):
123.         print("训练epoch{}".format(epoch))
124.         for i,(images,labels) in enumerate(train_dataloader):
125.             images=images.to(device)
126.             labels=labels.to(device)
127.             vk.train()
128.             outputs=vk(images)
129.             loss=loss_fn(outputs,labels)
130.             optim.zero_grad()
131.             loss.backward()
132.             optim.step()
133.             total_step+=1
134.             if i%100==0:
135.                 print("训练次数{},{}".format(i,loss.item()))
136.                 w.add_scalar("loss",loss,total_step)
137.     torch.save(vk,os.path.join(os.getcwd(),"model.pth"))

复制代码

哦哦，不是同一个平台，我以为是faxunyun.com

膜拜会训练模型的大佬

兄弟，坐下慢慢讲