Torch

Torch是一个开源的机器学习框架，最初由纽约大学团队开发并以Lua语言实现，因其灵活性和强大的张量计算能力在学术研究中广受欢迎。其核心设计以动态计算图为特色，支持交互式调试和直观的模型构建方式，尤其适合深度学习领域的快速原型设计和实验迭代。2017年，PyTorch作为Torch的Python版本正式发布，继承了Torch的灵活性与核心理念，同时依托Python丰富的科学生态（如NumPy）和更广泛的开发者社区，迅速成为主流。PyTorch通过自动微分（Autograd）、GPU加速张量运算以及模块化的神经网络构建接口（torch.nn），为研究人员提供了极致的灵活性和控制力，其动态图机制使得模型调试和修改更为直观便捷。尽管后续版本增加了对生产部署的优化（如TorchScript），但其核心优势始终体现在研究和实验阶段的高效性上。PyTorch现已与TensorFlow并列成为深度学习领域最具影响力的框架之一，被广泛应用于学术研究、工业探索以及各类AI模型的原型开发。

气温预测模型产品系统

本项目基于Python实现气温预测模型，包含四大核心功能模块：数据预处理模块：读取历史气温CSV数据集，完成缺失值填充、异常值过滤及特征工程，提取时间、季节等关键特征；可视化分析模块：利用Matplotlib绘制气温时序趋势图、季节波动图及相关性热力图，直观展示数据规律；模型训练模块：基于Sciki

450Python人工智能

智能垃圾分类桶产品系统

1.项目具体功能模块AI智能识别模块：通过内置摄像头与图像识别算法，自动识别投放垃圾的类别（可回收物、厨余垃圾、有害垃圾、其他垃圾），并语音引导投放至对应桶口。用户交互与激励模块：支持扫码/刷卡登录，记录投放行为并生成环保积分，积分可兑换社区服务或商品。物联网监控模块：实时监测桶内垃圾容量、满溢状态

660Torch人工智能

开物产品系统

企划报告,通过数据库检索和知识库向量检索，得到最新的行情数据，设计提示词模板让模型根据相应数据得出对应的报告分析爆款推荐，通过爬虫获取最新的数据，将数据给到ai让其分析得到符合用户要求的爆款，服装设计，根据用户提供的企划报告得到服装设计方案并生成提示词生成相应的设计图片摄影方案设计以及对应的图片和视

320Python人工智能

基于Agent的私人AI助理产品系统

本项目通过模块化的AIAgent设计，实现业务流程从“人工驱动”向“智能驱动”的转变，使系统具备更强的自动化能力、灵活性和可扩展性，可广泛应用于企业运营、数据分析、客服支持等业务场景。

710Python人工智能

工业设备声纹故障监测 SaaS 平台产品系统

1.实时监控大屏：基于Vue3开发的可视化仪表盘，实时展示多台设备的运行状态及Mel频谱图。2.智能异常诊断：集成改进版AnoGAN深度学习模型，能自动识别轴承磨损、气蚀等微弱故障信号，无需人工干预。3.多级报警推送：支持根据故障置信度通过短信、邮件或钉钉自动推送分级报警信息。4.历史数据回溯：提供

640Python工业互联网

基于工业大数据的设备异常检测与预测性维护算法模型产品系统

1、自研的无监督学习的数学算法来完成异常发现任务。2、寻找某个数学量，并用历史数据计算该数学量的分布，新数值相对于历史分布的离群程度，就可以用来表征异常程度。3、工业情况复杂得多，经常并不能只用简单值就能发现所有异常了，还会用到变化快慢、离散程度等复杂的数学量。4、多维异常程度综合起来，最常用的方法

940Java人工智能

钢板产品质量表面检测系统产品系统

1.项目有哪些具体功能模块表面缺陷区域自动检测模块（无监督神经网络）缺陷类型分类与分级模块（深度神经网络分类器）数据采集与预处理模块缺陷标注与结果展示模块缺陷检测结果存储与报表分析模块系统接口与生产线联动模块2.项目的主要功能描述系统首先通过无监督学习的神经网络模型自动检测彩涂板表面的疑似缺陷区域，

1220前端人工智能

福建三明钢铁厂智能降尘产品系统

在科技时代，技术每天都在进步。AIOT是一种高效的自动化系统，可以帮助工厂减少重复性劳动，减少人力。借助AIOT，系统可以自动执行需要大量精力和时间的常规手动任务，如控制设备自动启停，控制设备角度、压力，自动故障报警检修等。另一方面，AIOT系统全天候运行，减少了晚班对人健康损耗；同时，在恶劣环境下仍然能够工作，保障人员安全。福建三明钢铁厂智能降尘系统，正是AIOT落地典型场景，通过摄像头-》人工智能识别-》PLC设备，进行自动化作业；同时依照上级部门要求，对粉尘、PM2.5/PM10等状态进行上传，提供环保达标有力证明。

1410图像识别工业互联网

初生晶体检测系统产品系统

本项目的用户主要面对钢材厂，在以往的初生晶体含量检测都是通过ps或者肉眼判断，价格非常昂贵，本程序解决了此问题。本程序使用python编写，使用了yolo+torch+u-net+opencv+tkbootstarp等技术制作

1980深度学习工业互联网

AI点猪产品系统

屠宰厂生猪的收货管理里，数量是一个非常重要的管理指标，因为数量错误会严重的影响企业利润，尤其是人为作弊的情况下。传统的人工点数，人工记录或者输入电脑的方式，都存在点数效率低（点2-3次还不一定能点准），劳动强度大，如果有人为因素就必然会出错的弊端；基于ai（人工智能）和视觉技术的点猪系统，通过摄像头拍摄卸猪的过程，自动对生猪进行计数。

3210深度学习工业互联网

当前共10个项目登录查看更多

登录后即可上传、下载作品

分类

源文件源码 Canvas .Net STL BRD 边缘计算 postgres 教育校园 Node.js HTTP

重点城市程序员兼职推荐

北京程序员兼职上海程序员兼职深圳程序员兼职广州程序员兼职杭州程序员兼职成都程序员兼职南京程序员兼职武汉程序员兼职西安程序员兼职重庆程序员兼职郑州程序员兼职长沙程序员兼职苏州程序员兼职合肥程序员兼职厦门程序员兼职济南程序员兼职青岛程序员兼职天津程序员兼职大连程序员兼职福州程序员兼职石家庄程序员兼职沈阳程序员兼职太原程序员兼职无锡程序员兼职南昌程序员兼职哈尔滨程序员兼职南宁程序员兼职珠海程序员兼职宁波程序员兼职昆明程序员兼职东莞程序员兼职贵阳程序员兼职美国程序员兼职长春程序员兼职温州程序员兼职佛山程序员兼职常州程序员兼职呼和浩特程序员兼职兰州程序员兼职乌鲁木齐程序员兼职中山程序员兼职海口程序员兼职洛阳程序员兼职

更多

点击空白处退出提示

您好 👋

我们能提供什么帮助？

向我们发送消息

常见问题、使用帮助、人工咨询等

智能搜索手机访问

使用微信扫一扫