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。
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
140Python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。
471Python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
481Python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。
360Python工业互联网
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
540C++人工智能
1.多车间多设备统一数据采集、存储、同步模块;2.AI批量故障识别预警,全车间设备异常统一标记提醒;3.可视化数据看板,实时展示各车间产能、设备运转趋势;4.分级账号权限系统,区分车间操作工、车间主管、工厂管理员数据查看范围;5.月度/季度生产、故障统计报表自动导出,支持Excel本地保存。
520Python人工智能
1.产线日志数据采集模块,实时读取设备运行参数;2.AI故障识别模块,基于历史故障样本训练识别异常数据;3.自动报表生成,每日导出生产运行、故障统计Excel;4.异常告警提醒,数据超标自动标记推送;5.轻量化后台面板,查看历史故障记录、产线运行趋势。
540Python人工智能
系统构建了一套视觉与近红外光谱深度融合的多模态质检体系。功能层面,支持毫秒级实时采集果蔬外观图像与内部光谱数据,自动完成品种识别、表面瑕疵定位及新鲜度等级判定。通过特征级融合技术,系统能同时捕捉色泽纹理等表观特征与糖度水分等生化指标,输出综合质量评分。检测结果通过标准化接口实时对接产线MES系统,驱
510Python工业互联网
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
500Java人工智能
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
1091Python人工智能
地图搜索引擎产品系统
在接口服务能力上设计了智能检索、关键字检索、建议检索、周边检索、矩形检索、多边形检索、沿途检索、专题检索、地理编码、逆地理编码、详情查询、方位检索、扇形检索。智能检索:可以对Query进行全方位的意图理解,对不同的意图可能会返回不同数据结构的搜索结果,有POI列表、行政区域、城市分布、城市跳转、纠错
881Java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
901Python人工智能
平台包含智能体市场、A2A协作引擎、创作者后台三大核心模块,支持智能体上传、标准化服务发布,可实现多智能体自动拆解任务、协同完成服务,还能提供全流程的协作状态追踪与交付管理。
570Caffe人工智能
物联网AI中台 产品系统
项目背景: 为国内大型电厂构建统一的物联网AI能力中台,旨在通过AI技术实现园区安防、设备巡检、运行优化的智能化升级,解决传统管理方式中人效低、响应慢的痛点。项目描述:参与设计与研发的结合物联网平台、视觉分析、智能体(Agent)、机器学习服务与模型管理于一体的AI中台。平台核心包括:1)智能体服务
790Java人工智能
1.响应式导航栏,支持移动端汉堡菜单2.Hero展示区:动态渐变背景+产品核心价值主张+CTA按钮3.功能展示模块:图标+文字的6大核心功能卡片布局4.用户评价区:真实用户反馈轮播展示5.底部行动号召区:强化转化引导6.完整响应式布局,适配手机、平板、桌面端
990Apache工业互联网
智慧配料产品系统
焦炭质量预测:可以预测入炉煤和焦炭的质量指标。配煤比例优化:在出口焦炭质量各指标满足目标要求的条件下,得到原料煤的成本最低的原料煤配比,有效的为企业降低成本提高生产利润。
790Python人工智能
微米级缺陷自动检测(裂纹、空洞、划痕、变形)高速成像、实时AI推理、自动分选质检报表自动生成、数据上传MES模型自学习、数据闭环、漏检率极低7×24小时无人值守质检
960Java人工智能
图片上传→AI自动处理→生成雕刻路径G代码智能识别图案、纹理、边界,自动优化雕刻参数工艺参数智能推荐(功率、速度、频率)端侧实时推理,嵌入式设备离线运行后台管理、任务调度、日志监控
1580Python人工智能
本系统针对南方某污水处理厂,建立了基于除磷药剂种类、浓度、进水水质和出水水质的数据开发了一套智慧加药系统,该系统是一套通过信号采集、信号反馈相互协同,并集合人工智能算法,智能化控制加药泵的智慧化软件模型,实时预测出水水质投加对合理加药量,实现实时智能投加,节约用人成本,大幅度降低药耗,出水达标100
1260Python工业互联网
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。
831Python人工智能
当前共30个项目more
×
寻找源码
源码描述
联系方式
提交