使用深度学习中的RNN算法对新闻文本数据集进行训练和分类，最终得到百分之90.7的训练精度，在处理新闻数据集分类的问题上取得一个不错的结果。

使用深度学习算法中的CycleGan算法对两种不同的图片进行融合，以实验所使用的马的图片为例，使用斑马的图片作为训练集，将普通的马转换成斑马的形态。

主要涉及到Python语言，Scrapy框架、Django框架、数据库等技术。主要设计内容如下： 数据爬取：使用Python中的Scrapy框架从新冠肺炎数据网站爬取数据分析所需要的数据,全国各个省份以及各省市的总感染数量，新增数量。 数据清洗：使用python编写清洗代码对获得的数据进行数据清洗，只有经过清洗后的数据才能方便进行数据的处理 数据归一化处理：对清洗完的数据进行按用途进行分类整理，使用Django框架中的model层将数据存入MySQL数据库，便于数据的分析。 统计分析：通过对数据进行分析，以便于可视化时展示不同地区的新冠疫情情况。 数据可视化：在Django中编写横向坐标和纵向坐标等信息，将数据嵌入模板，绘制可视化图形，将获取的数据通过图形展示出来。 用户交互界面：用户可以通过对地区进行搜索，查看该地区的新冠疫情变化。