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。
本监测方案由杆用感知终端、线用边缘计算网关设备和物联微服务平台组成。感知终端其中以MT7628+MT2503CPU为处理芯片、WIFI模组、雷达模组、RFID模组(温度标签)、天线单元、双摄像头、北斗定位模组、太阳能板、音频喇叭和麦克风组成的。线用边缘计算网关以RK3568主控芯片,将一组感知终端采
320C人工智能
缺陷检测产品系统
缺陷检测嘛:1.就是标注缺陷吗,定位缺陷,,2.就是如果客户有要求,比如说是毛刺啊,后续要根据工厂的刀具,规划我们的去毛刺路线,也就是去缺陷。3.其次就根据客户的需要再额外处理咯。
380Torch人工智能
智能体应用开发:基于Dify、LangGraph等框架实现智能巡检、智慧工单、企业问答、自动报警等多类Agent,完成智能体编排、工具调用与多轮对话状态管理;•业务系统集成:基于FunctionCalling/ToolCalling打通园区设备系统、工单平台、告警平台及微服务接口,实现智能体对业务数
600Java工业互联网
1、项目有哪些具体功能模块项目主要包括:特征提取模块、代价体构建模块、单目视差分布先验模块、单目-立体融合代价体模块、梯度增强细节感知模块、代价体金字塔与查找采样模块、双核GRU迭代视差优化模块、损失函数与训练推理模块、评估与可视化模块。其中特征提取模块包含MobileNetV2双分支特征编码器、上
460Python人工智能
1.信号预处理:对原始振动信号进行去趋势、滤波和重采样。2.时频分析:采用短时傅里叶变换、同步压缩变换获得高分辨率时频图。3.多谐波转速跟踪:利用多个转频谐波作为锚点,联合估计瞬时转速曲线。4.风险门控:自动识别谐波混淆、强噪声等高风险时段,切换稳健策略,避免估计跳变。5.性能评估:输出转速曲线、误
1130Python工业互联网
•主导Agent编排平台的技术选型与底座搭建,形成集团AI中台智能体技术规范与落地路线。•技术选型与平台搭建:主导Dify、PocoAgent、HermesAgent等多款Agent编排平台的本地化部署与技术对比验证,形成技术选型评估报告,为集团智能体底座建设提供决策依据•技术规范建立:基于Herm
1210Python工业互联网
产品功能1.高精度定位:采用RTK+IMU+双目定位方案,能够在GPS信号减弱的场所实现精准定位,定位精度可达2cm。2.工作区域建图:大区域建图可选择一般高精度地图或RTK电子围栏方案,小区域建图采用Octomap建图,并基于外观的实时映射的RTAB-Map开源库,实现闭环检测,满足长期大规模环境
1940BRD人工智能
系统采用端云双层架构。端侧在28台边缘节点部署INT8量化的轻量CV专业模型,单帧推理45ms、25fps实时处理,五场景毫秒级初筛,召回优先、仅事件片段回传(带宽节省98%);云端以微调多模态大模型进行多帧上下文综合判断,结合天气、施工区白名单、事故库做外部校验后自动确认或驳回事件,误报样本回流持
940Caffe人工智能
本项目基于风电机组SCADA运行数据,围绕风速、对风偏差和有功功率开展分析,提供数据分组、异常数据剔除、对风偏差估算及诊断结果可视化等功能,通过分析功率峰值对应的对风角度,辅助排查风向标零位偏差,为现场检查与校正提供数据参考。
570Torch工业互联网
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
1120Python物联网
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
1781C++智能硬件
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”。
730Torch人工智能
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
760Java人工智能
咨询威Q【3447764415】新盛-腾龙博安-三家已合并【新盛官网—xs10692.com】【腾龙官网—TL12581.com】。华纳自上世纪50年代成立以来,生产的庐山牌云雾茶多次获得国内外金奖,蝉联历届中国名茶的称号。并且是庐山区第一个建厂的国营茶厂单位,如今是庐山云雾茶的重要产区,共拥有山林
800Caffe工业互联网
多模态融合检测与智能识别引擎:融合电磁监测与视觉识别能力。其中,电磁监测采用“延时自相关触发、阈值抓包、多路STFT拼接”的并行监控架构,视觉识别采用YOLOv8模型。SDR驱动的动态干扰与精准诱骗技术:基于实时星历合成欺骗导航信号,实现从“驱逐”到“捕获”的精准轨迹引导,并通过白名单机制避免误伤合
1230Python人工智能
快速检测流水线上几十个工件的正反面、角度、瑕疵情况等信息,本算法使用人工神经网络,借鉴多个经典工业模型(yolo、unet、centernet、mask-rcnn等)的思想为客户设计了高度优化的定制化算法,检测速度控制在10ms以内,检测精度符合客户要求。
1020C++人工智能
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
2630Python工业互联网
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。
2371Python人工智能
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
2061Python人工智能
内置Web可视化操作页面,支持一键生成模拟负荷时序数据集;可单独训练逻辑回归、1D-CNN异常检测模型,也支持一键完整执行整套流程;自动解析并展示两类模型准确率,持久保存操作历史记录,方便直观对比传统机器学习与时序卷积网络在故障识别任务上的表现,交付完整可运行源码。
1230Python工业互联网
当前共46个项目more
×
寻找源码
源码描述
联系方式
提交