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
整合全球领先体育数据提供商Skillcorner的精准追踪数据,依托Streamlit框架构建高度交互的分析环境,打破数据获取与处理的技术壁垒,让专业人员聚焦于数据本身的价值挖掘。将复杂的多维运动数据转化为直观易懂的战术洞察,赋能教练、分析师与管理层。在球员招募、球队战术优化及比赛表现评估的全流程中
500Java人工智能
系统主要包括图像采集、目标检测、关键点定位、相机标定、PnP位姿求解、坐标系转换、姿态角计算及结果可视化等功能模块。通过YOLO模型完成目标及特征关键点检测,根据相机内参与目标三维几何信息建立二维—三维对应关系,采用PnP算法计算目标相对于相机坐标系的三维位置和旋转姿态,并输出X、Y、Z及姿态角等结
680Python人工智能
系统主要包含行情数据接收模块、策略回测模块、实盘交易执行模块、风险风控模块、数据统计分析模块五大核心模块。行情模块负责对接外部数据源,实时获取外汇各品种K线、盘口报价数据;策略回测模块支持导入历史行情,对量化交易策略做历史仿真回测,评估策略收益、最大回撤等指标;实盘交易执行模块根据策略信号自动完成开
660Python机器深度学习
1.大容量点云标注:最高支持200帧点云同步加载,支持同时叠加200帧点云以标注静态物体,支持点云向图像投影,辅助确认目标物体属性,提升标注准确度。2.图‑点云融合联合标注:实现图像与点云数据的空间对齐映射,支持双视图联动,完成一一对应标注作业。3.物体关键点标注:支持车辆轮胎等目标对象的关键点定位
830Python机器深度学习
本项目以一台搭载树莓派和激光雷达的轮式小车为核心,集成了以下几个完整的功能模块:1、离线语音交互系统:基于Vosk轻量级中文离线语音引擎,摆脱了对云端的依赖。小车能精准识别“小车”、“跳舞”、“前进一米”等关键词,并利用PiperTTS引擎实现自然、流畅的中文语音播报反馈(如“好的,我要来唱歌了”)
1400C++机器深度学习
mcp-ocr-tools是一个OCR全家桶MCP服务器,为AI客户端(ClaudeCode、Cursor、ClaudeDesktop等)提供文档识别能力。主要功能模块:1)ocr_image图片文字识别:截图、照片、扫描件一键转纯文本;2)extract_doc结构化提取:小票、发票、表单自动解析
1600Python机器深度学习
img2excel是一个图片表格转Excel的命令行工具,基于PaddleOCR开发。主要功能模块:1)表格图片识别:支持拍照、扫描件、长截图等多种图片格式,自动识别表格结构;2)行列还原:智能重建单元格坐标,输出与图片一致的行列结构;3)Excel导出:支持多工作表、自定义表头、格式规范化;4)批
2070Python机器深度学习
1.数据处理模块:支持Excel试验数据导入、异常值清洗、数据集划分,搭配RSM响应面法生成虚拟样本实现小样本数据增强;2.建模预测模块:搭建BP-ANN神经网络模型,可自定义隐藏层神经元数量,完成材料抗压强度等指标回归预测,输出R²精度评价指标;3.多目标优化模块:基于响应面模型开展配合比参数优化
710Python机器深度学习
1.AI视觉智能核验(核心亮点)动态装箱监控:通过部署在工位上方的工业相机,实时捕捉工人投料动作。系统内置深度学习目标检测算法,能精准识别数百种KD件的SKU特征。BOM自动比对:系统实时读取当前车辆的VIN码对应的BOM(物料清单),当工人放入零件时,AI自动判断该零件是否属于当前车辆,并计数。异
1640Python工业互联网
系统以Web端交互为核心,主要功能模块如下:图像上传与预览:支持本地图片拖拽/选择上传,实时显示原图。一键推理:点击Submit后,后端调用训练好的ResNet模型完成前向推理,并在右侧绿色结果区直接输出预测类别(如cat)。示例快速体验:底部提供多张预置示例图(狗、爬行动物、鱼、马等),点击即可自
1050Python人工智能
角色风格复刻:微调后的模型能够高度还原ATRI角色的语言风格、性格特征和说话习惯,对话内容自然流畅,角色一致性高高质量数据合成管线:OCR提取→大模型风格化生成→Levenshtein+n-gram双重去重→质量过滤,形成一套可复用的角色数据集构建流程低成本高效训练方案:LoRA+Unsloth加速
1561PHP人工智能
项目包含视觉目标检测模块、3D目标定位模块、机械臂运动控制模块、柔性夹爪驱动模块、人机交互监控模块五大核心模块。系统通过工业相机采集传送带上小龙虾图像,AI模型完成小龙虾检测与姿态识别,解算出小龙虾三维抓取坐标;机械臂接收坐标指令规划运动轨迹,控制柔性夹爪自适应完成抓取、投放动作;配套上位机界面实现
1160Python机器深度学习
系统提供一站式微博舆情监测与可视化服务。用户可实时查看热点话题的情感极性分布、互动量预测走势、地区舆情热力图及主题词云,支持多维度榜单筛选与文章详情下钻分析。后端基于SpringBoot与大数据组件,前端采用Vue3结合ECharts和Three.js构建3D数据大屏,实现毫秒级检索与动态交互,帮助
900Java企业服务
1、多智能体协作引擎—基于LangGraph构建Supervisor+4专家分层架构:知识检索专家(RAG+网络搜索)、报告生成专家(数据查询+方案撰写)、工况监测专家(设备故障/管线/安全诊断)、环境数据专家(天气/位置),Supervisor自动识别用户意图并路由至对应专家。2、RAG知识检索—
990Python人工智能
运动员端具有以下功能:(1)个人信息管理:包括编辑个人信息和加入俱乐部功能,允许用户更新和维护其个人资料,并提供加入体育俱乐部的功能。(2)动作识别与可视化分析:包括正向视角识别和侧向视角识别,分别从正面和侧面视角进行动作识别,帮助运动员全面了解自身动作表现。(3)训练数据智能化分析:包含分析训练数
1380Python人工智能
系统支持训练项目管理、故障模拟、驾驶操作考核、成绩评分、振动反馈、UI界面控制、AI智能问答、训练记录查询及数据统计分析等功能,同时支持多训练科目切换、题库管理及设备联动,实现完整的仿真培训业务流程。
900C++人工智能
1、云雷达基数据处理2、模糊逻辑云粒子相态分类3、贝叶斯-随机森林模型4、云粒子相态自动识别
620Python人工智能
包括数据集制作,图像预处理,数据标注;算法设计,包括算法搭建,参数微调;模型训练,在超算平台上提交训练任务,训练后获取模型权重;在验证集上测试效果并改良模型;将模型封装为软件。主要功能为实现了端到端的图像检测与识别功能,将图像输入模型后即可输出检测结果。
600Python机器深度学习
模块一:鸟类检测引擎基于YOLOv8/YOLOv11深度学习模型,支持对图像和视频流中的鸟类进行实时检测。•支持预训练COCO权重(通用鸟类检测)和自定义微调模型(特定物种识别)•GPU加速推理,单帧检测耗时
1150Python机器深度学习
设计分阶段课程学习与⾃动切换策略,提升⻓周期训练稳定性并降低策略震荡⻛险。构建Sim2Real接⼝与并联映射能⼒,完成⼯作空间惩罚与动作低通滤波,为控制侧联调提供稳定输入。⽀持⻓周期训练、断点恢复与回归验证。打通模型管理与ONNX导出链路,为C++侧推理部署与跨平台集成提供标准模型接⼝。
830C++机器深度学习
当前共56个项目more
×
寻找源码
源码描述
联系方式
提交