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。

木材检测项目产品系统

功能模块：五个工作台模块＋五个支撑模块，覆盖检测到执行全链路五个工作台模块为：上料台物料分类、板材切割台缺陷检测与坐标推送、补丁切割台智能寻位切割、补丁修补台缺陷定位与贴胶带计算、补丁暂存台补片抓取定位；五个支撑模块为：PyQt5前端界面、FastAPI＋WebSocket后端服务、工人确认流程、M

270Python物联网

模块化嵌入式测控与信号处理平台（FPGA + ARM + 上位机）产品系统

模块化设计，各功能独立、可复用：1.FPGA采集与信号处理模块：多通道同步ADC采集、可编程激励信号生成（DDS）、实时滤波与解算；2.ARM嵌入式控制模块：外设驱动、通信协议栈（UART/SPI/I2C/CAN）、闭环控制逻辑；3.上位机监控模块：串口/USB/网口通信、实时波形显示、参数下发、数

761C++智能硬件

企业级RAG多模态智能Agent平台优化产品系统

项目包含垂直领域智能问答与Agent能力接入两大模块。垂域问答支持企业知识库解析、语义检索、答案生成及来源溯源；Agent模块支持工具调用、任务规划、流程编排和多轮交互，使平台从“只能回答问题”升级为“能够理解需求并执行具体业务任务”。

200Torch人工智能

多模态数据分析Agent系统产品系统

1、多模态数据解析与理解模块：集成CLIP图文理解模型与OCR识别能力，实现对图片、表格、PDF文档等非结构化数据的自动解析与结构化提取；覆盖Excel、CSV、图片、PDF共4种主流数据格式，将多源异构数据统一转换为Agent可处理的标准化格式。2、智能决策与任务编排模块（Agent核心）：基于R

250Java人工智能

AutoGuard —— 基于多模态视觉AI的汽车KD件智能防漏错与追溯系统产品系统Vibe Coding

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

1510Python工业互联网

Query意图识别（深度学习）产品系统

设计了数据模块、模型模块、学习模块、系统模块、其他（配置、常量、工具等）模块。数据模块：用于处理序列标注数据的Dataset类和各种数据处理与预处理、数据统计与元数据生成、数据集划分等函数。模型模块：定义了Query意图识别模型LSTMModel，是一种基于LSTM实现的Query语句意图识别模型。

1561Python人工智能

Query成分解析（NER）产品系统

设计了数据模块、模型模块、学习模块、系统模块、其他（配置、常量、工具等）模块。数据模块：用于处理序列标注数据的Dataset类和各种数据处理与预处理、数据统计与元数据生成、数据集划分等函数。模型模块：定义了Query成分分析模型LSTMCRFModel，是一种基于LSTM、CRF实现的Query语句

1191Python人工智能

“果真如此”——基于深度学习的红枣分级系统产品系统

程序每次读入四个枣的数据，每个枣使用前三张图片，并将图片显示在界面上，图中每列图片表示同一个枣的数据，模型计算出结果后，将分类结果显示在每列图片下方，应用每0.5秒刷新一次，每次刷新读入新的图片，并计算结果。用户可以通过点击“文件”按钮选择新的预设样本，从而改变分级标准；应用会记录深度特征映射器的输

870C++人工智能

企业级知识库产品系统Vibe Coding

技术栈：React、TypeScript、Node.js/Express、RAGFlow API、DeepSeek、python‑pptx、Docker项目描述：面向非技术业务用户封装 RAGFlow，提供知识库管理、多轮问答、智能填表、PPT 生成和密级权限控制能力。・实现知识库创建/重命名/删

760Java人工智能

中文分词通用工具产品系统

设计了常量与配置模块、核心数据结构模块、工具类模块、索引与词图计算模块、核心分词逻辑模块。常量与配置模块：定义工厂的“基础规则”和“标准配件”，避免硬编码，统一管理配置。核心数据结构模块：定义分词过程中需要的“实体对象”，封装词的属性（位置、长度、权重、类型）。工具类模块：提供底层工具能力——字节流

1631Python人工智能

序列建模（时序分析）通用工具产品系统

设计了数据模块、模型模块、学习模块、系统模块、其他（配置、常量、工具等）模块。数据模块：用于处理序列数据的Dataset类和相关函数。它包括了从文件中读取数据、构建特征序列以及将数据转换为适合模型训练的格式的功能。根据模型模式的不同，数据可以以不同的方式进行处理和组织，以满足不同类型模型的需求。模型

1131Python人工智能

新能源电力智能巡逻系统产品系统

本系统为新能源电力智能巡逻系统，通过多摄像头实现人员上岗、配电柜、动物入侵智能监测，联动嵌入式设备采集环境数据，异常自动声光报警，支持Web端可视化查看，保障电力场站安全运维。

1011Python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。

1680Python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，

2110前端人工智能

当前共14个项目登录查看更多

登录后即可上传、下载作品

分类

Shell Jmeter PHP STL Wireshark QT Spark HTML5 R Zend

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