@Juszoe 也有道理，上面说的思路我解决过一个只包含英语字母+数字的验证码。我又仔细看了一下图片，随机变换的形态差异比较大，匹配训练的难度确实不小。

请问你现在的部署环境是怎么样的？如果是开发环境，flask 自带的应用服务器是不支持 ws 协议的，需要通过前端 socketio.js 库降级为轮询使用

问题和选项部分都是很规整的宋体字，直接 ocr 就行。验证码核心部分我的思路是目标检测+分类；目标检测主要是确定哪个部分是字，哪个部分是背景，以及框选出来第几行第几列的那个目标字。如果用 yolo3 这样的框架去实现，大概训练集在 500 张左右就可以做的很好了。
考虑到图中的字都是华文舒体，因此分类部分可以设计一个多层卷积+前馈网络，输入为选项的华文舒体图像（颜色及大小有待进一步考虑）以及框选出来的目标字，输出为标签（ 0-不匹配； 1-匹配）这个部分优化的关键是对图中目标字如何处理，使得文字和背景能有效分离，如果得到二值化图像则最好。参考收集的数据，文字部分随机性较大，个人估计训练集规模可能得上万。
我主要做 nlp ，上面这个思路可能比较粗浅的，供大家参考。

https://mirrorz.org/list/armbian-releases
个人一直使用这个，更全面

@shm7 “肯定有个好坏之分吧”这确实是个典型的学生思维，这方面有我个人的局限性。您提到这几点我也考虑了一下，目前想法就是找一个能上手的方向先做着，不断强化自己的核心竞争力。毕竟现在想的再多，也难以料到工作的时候究竟会遇到什么项目，只有具备较强的能力、较为开阔的视野，才能应对未来的很多问题。

想问一下楼主用的 MPI 是哪个实现版本？

DBeaver 强烈推荐

@BeautifulSoup 楼主在淘宝搜“传真猫”就有类似的东西，既然能发传真就能打电话，而且商品描述里说 at 指令可以用，不到一百块钱可以买来折腾一下🧐