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。
项目包含五大核心功能模块:1)多通道数据采集模块:集成BaoStock(证券级行情)、akshare(东方财富基本面)、YahooFinance、SECEDGAR等多种数据源,自动获取历史行情、财务指标和公司公告;2)智能舆情分析模块:通过Tavily新闻搜索与LLM情感分析,对目标股票进行多维度舆
80Torch金融
系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合,配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op
230Python人工智能
DockerCompose封装GPU推理环境,支持WindowsWSL2显卡直通,一键完成CUDA、模型依赖部署;基于PyTorch实现5款量化大模型串行批量推理,内置显存自动回收逻辑,;导入自定义Prompt集合自动生成全部模型回答,导出可编辑Excel打分表;标准化0/1/2人工打分、双层质检,
290Python人工智能
意图识别、意图路由、Agent节点规划(图算法)、MCP服务调用、GraphRAG检索以及结果加权融合、向量召回、Skills技能包意图识别、正常对话、天气查询、表单处理、报告生成、非结构化数据处理、DOCX格式报告(图文表格5W字+)撰写、Agent自动化处理(类manus、openclaw,替代
250Python人工智能
通过训练高性能,小规模残差神经网络,以该神经网络为核心搭建智能体,实现智能出牌人机对弈:人类与AI对弈打牌,用于娱乐,训练以及学习自对弈:AI自行对弈,用于测试不同AI之间的性能差别
290Python人工智能
图像识别模块:对接视觉模型API,支持图片内容识别和文字提取。智能对话模块:基于大模型实现问答交互,支持多轮对话。API接口封装:将AI能力封装为标准接口,方便第三方系统调用。数据管理:记录调用日志和识别结果,支持查看和导出。
400Caffe人工智能
1,能链接常用摄像头,如:海康、大华,进行抓图和录像操作2,能运行深度学习算法进行安全监控,如区域入侵、安全帽佩戴、人员权限管控等3,联动plc,当识别到安全问题时,能给plc信号,进行停机等处理。4,自定义检测规则,如采图间隔,开始报警数,检测阈值等
340Python人工智能
系统提供多终端SDK,支持Java、C++、C#、Python等主流语言,方便各类业务系统快速集成。基于RK3588边缘算力设备,实现毫秒级快速识别,无需依赖云端即可完成端侧推理,满足低延迟、数据本地化及恶劣网络环境下的实时作业需求。算法能够精准定位集装箱箱号及箱型号所在区域,并高鲁棒性地识别印刷、
390C++人工智能
智能安防产品系统
实现各种智能安防算法。如:车间安全帽检测,登高作业安全绳佩戴检测,玩手机识别,睡岗检测等。也有人脸识别,多目标追踪,布局一致性等算法。能根据客户需求生成报警代办,并推送事件,提醒处理人,完成闭环。
420Python人工智能
项目围绕轴承故障诊断构建了四个模块:数据重采样与滑窗预处理、多维物理特征提取、源域故障分类与可解释分析、以及基于DANN的跨域迁移诊断。支持从振动信号生成时频谱图、训练分类模型、输出目标域故障标签,并结合SHAP、Grad-CAM和包络谱验证模型决策依据。
230Python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
441Python人工智能
1,控制光源控制器进行打光,控制相机进行图片采集。2,与plc,上位机等进行交互3,使用传统算法+深度学习,完成各种缺陷检测4,实现UI汇总软件和服务器算法软件。UI软件控制所有通讯和算法结果汇总;服务器算法软件负责每个电芯区域的算法检测。
370Python人工智能
基于PaddleOCR框架的PP-OCRv5架构,创新性地提出Dual-StageVisualPromptBlocks方法,通过视觉提示块和StackMetric评估机制显著提升藏文识别准确率。
260Python人工智能
系统支持屏幕采集、WinRT、DXGI、OBS虚拟摄像头、RTMP等多源输入,基于ONNXRuntime+DirectML在本地GPU上完成实时检测,并提供可视化参数配置、热键管理、状态监控、目标筛选、连续跟踪、HID/串口联动、模型保护和启动器分发等完整能力。
330C++人工智能
1.项目具体功能模块时序提示生成模块:自动根据医学影像的扫描层位置(归一化切片索引)生成文本形式的时序提示,例如“ThisisaCTsliceatposition0.78”。多模态编码模块:分别采用CLIP或Electra文本编码器对时序提示进行高维嵌入,同时使用UNet编码器提取图像特征。语义对齐
240Torch人工智能
数据规模:从70,000+封原始邮件中按业务规则智能筛选出7,000+封有效邮件,构建7,800+结构化事件、21,000+服装术语词条、10,000+节点知识图谱,覆盖1,100+服装款号;三模型微调数据2,000+条(SFT+DPO)。系统架构支持横向扩展,术语RAG/邮件事件RAG/知识图谱/
410Python人工智能
语言翻译产品系统
实现了一个基于注意力机制的Seq2Seq神经机器翻译模型,用于将英语句子翻译成法语句子。主要功能模块模块 功能数据预处理 读取eng-fra-v2.txt平行语料,清洗(小写、去除特殊字符、标点规范化)、分词、构建词→索引映射字典数据集与加载器 自定义MyPairsDataset,支持按索引返回(英
270Python人工智能
蛋白质识别产品系统
项目输入为蛋白质序列CSV,核心任务是将蛋白分类为分泌蛋白`S`或非分泌蛋白`N`。数据按5折划分,训练集和验证集带标签,测试集无标签。现有输出文件给出了200条测试蛋白的预测结果,其中预测为`S`的有107条,`N`的有93条。
250Torch人工智能
推理优化产品系统
项目用CIFAR-10图像分类任务验证ResNet-34的结构化剪枝效果,对比完整模型和剪枝模型的准确率、FLOPs、参数量和推理耗时,成功优化了算法效率
190Torch人工智能
1、传感器模块:负责图像数据采集2、感知模块:过滤液留置线线位置检测3、通信模块:tru、modbustcp通信4、控制模块:基于数字信号控制液压缸升降。
400C++人工智能
当前共173个项目more
×
寻找源码
源码描述
联系方式
提交