Python

Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
Python语言框架
Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
开发组织  吉多·范罗苏姆
1.数据加载与预处理模块:加载MNIST手写数字数据集,将原始图像数据(28×28像素)进行归一化、降维处理,转换为分类器可接受的输入格式2.多分类器训练模块:支持多种分类器并行训练,包括SGDClassifier(随机梯度下降分类器)、RandomForestClassifier(随机森林)、SV
120Python机器深度学习
1.车辆检测模块:基于YOLO目标检测算法,从视频流中实时识别车辆目标,输出检测框及类别信息2.目标跟踪模块:采用ByteTrack追踪器实现多车辆跨帧跟踪,为每辆车分配唯一ID并记录运动轨迹,利用低分检测框二次匹配提升跟踪鲁棒性3.车速测算模块:基于透视变换将图像坐标映射至实际路面坐标,结合帧率和
130Python机器深度学习
1、算法部分:基于PaddlePaddle,在官方指定数据集上进行打榜,所有器官分割任务平均dice系数达到0.94232、软件部分:基于WEB的3D医疗数据解析平台,其中包含医疗数据的导入、分割、可视化和数据分析功能四大基础功能,且飞桨模型可在本地或云端部署进行推理。另接入百度文心大模型用于医嘱格
360C++人工智能
检测跟踪无人机
400C++机器深度学习
在tobai产品中设计agent智能平台,rag智能问答系统,主要各个行业的定制化知识网络开发。设计agent中决策模块,rag系统中的内容提取,召回排序模块,定制化知识网络的知识提取模块。
420Python人工智能
核心围绕“AI算力弹性伸缩”构建全流程能力,适配Open3D驱动的3D视觉AI任务特性:1.基于KubeRay+容器云实现GPU/CPU节点按AI场景指标(推理延迟/GPU利用率)弹性伸缩;2.分布式调度Open3D点云AI任务,定制GPU/CPU资源调度策略适配需求;3.全链路监控保障弹性伸缩过程
460Python机器深度学习
本项目为电商用户行为分析与可视化平台,核心功能模块如下:1.数据采集模块:通过Flume采集APP埋点日志,结合Kafka实现实时数据缓冲,支持历史数据批量导入与实时数据流接入。2.数据分层模块:基于Hive构建ODS→DWD→ADS三层数据仓库,完成数据清洗、维度建模与指标汇总,支持多粒度时间/地
870Java人工智能
项目包含完整的训练与评估流程,核心模块包括:1.基于UnrolledADMM思想构建的可展开重建网络2.自定义C++/CUDA算子实现投影与反投影加速3.PyTorch模型训练框架与多实验配置管理4.支持多阶段参数学习与可学习正则化模块5.自动化评估脚本输出PSNR、SSIM等指标6.系统采用模块化
560C++人工智能
研究发现,长期适量饮用咖啡与以下风险降低有关:2型糖尿病帕金森病阿尔茨海默病肝硬化和脂肪肝某些心血管疾病(适量情况下)3️⃣抗氧化作用咖啡富含多酚类抗氧化物,对抗自由基。4️⃣促进代谢有轻微提高基础代谢率的作用(对减脂有辅助,但不是神药)。
430C人工智能
对此需求搭建了神经网络模型,用fab厂提供的工艺参数与传感器采集数据作为数据集,搭建神经网络预测在某工艺参数与实时传感参数下,会长出的晶体直径为多少,在具备足够的实时预测精后,应用于工业晶棒生产以获得具有稳定直径的晶棒
640Python机器深度学习
1、基于深度神经网络的reid技术​1.1)采用局部信息对齐技术进一步提高精度​1.2)Top1识别率达到89%,Top3达93%以上​,即匹配结果在前三名识别率93%1.3)自动区分幼体和成熟体,幼儿未发育完整,无明显特征,统一归为一类,一般通过其母进行跟踪2、QT开发的桌面软件通过XXX部海YY
840Python机器深度学习
核心功能模块:AI识别引擎:基于MobileNetV2的迁移学习模型,支持6类水果状态实时分类RESTfulAPI服务:Flask框架提供标准化接口,支持HTTP/JSON通信图像预处理模块:自动尺寸调整、归一化、批量处理可视化测试界面:HTML5前端界面,拖拽上传即时反馈主要功能描述:单张/批量图
1020Python机器深度学习
1.分类结果完全可控大多数AI模型是黑盒,分错了只能干着急。本项目内置了“业务规则引擎”,允许您通过配置简单的关键词逻辑来直接干涉预测结果。例如:只要文本中出现“断水、断电”且包含“学校”,可以强制规则将其划分为“校园后勤”类,而无需重新训练模型。这种“AI模型+规则引擎”的双保险机制,确保了在生产
2140Python人工智能
核心算法:采用最新的YOLOv11算法,兼顾检测速度与精度。一站式流程:集成环境检测、数据集配置、模型训练、结果可视化等全流程功能。多模态检测:支持图片文件、视频文件以及实时摄像头画面的目标检测。可视化交互:通过直观的GUI界面展示检测结果(边界框、置信度、类别),并支持训练过程中的参数配置与日志监
1070C++人工智能
1.机器派发为了减轻人工派单压力使用AI机器学习技术训练模型,对新产生的投诉案件的投诉内容通过中文文本分类算法,预测所属的对应的案件类型和所属部门为90以上,以达到热线派发精准分类,便将任务自动直接派发。2.辅助派发在机器预测值不足90时,还是由人员进行手工派发,派单员手工派单时,系统也会给出三个派
1640Python机器深度学习
VisualIdentity开源项目
在AI应用落地的过程中,模型管理与多任务识别一直是开发者的痛点。无论是检测、分类、分割、姿态估计、定向检测,往往都需要同时部署多个模型,传统方案在效率和易用性上总会遇到瓶颈。VisualIdentity正是为了解决这一系列问题而生。它结合了.NET10的现代化能力、YoloDotNet的高性能推理、
1500C#人工智能
当前共16个项目more
×
寻找源码
源码描述
联系方式
提交