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。
多模态分布式训练模块:负责Qwen3-VL-MoE模型的训练接入,支持视觉Encoder独立DP/CP并行配置,实现模型构建、并行策略配置、训练样例生成及保存恢复流程。同时改造视觉塔与DeepStack特征处理逻辑,修复CP分片下的视觉特征映射问题。实现视觉Encoder独立并行配置,支持多种CP路
170Python人工智能
文本提示与提示图会话复用;跨图片样例特征缓存;正例、负例样例复核;三层多尺度特征匹配;全图与重叠切片推理;密集目标重复框融合;单图与批量接口;内部置信度和候选来源诊断。
240Python人工智能
开发AI行业资讯自动化采集与内容生成系统,每日从多个新闻与政策数据源采集AI相关资讯,通过Embedding和大模型完成去重、分类、评分、正文抓取、摘要生成与质量审核,并生成适合微信公众号发布的结构化内容。具体如下:支持API、RSS、普通网页和动态搜索接口等多种资讯采集方式。按照时间窗口过滤最新资
540Python人工智能
平台为多租户、多角色架构,由6个业务服务、4个支撑服务、AI服务与爬虫服务组成,覆盖招投标全流程:代理机构工作台(bidagent):立项登记、公告编制发布、分包与标段管理、报名资审、专家抽取、开标排期、合同起草、档案归档。标书制作(biddocumentmake):政府采购与建设工程两套模板,在线
490Java人工智能
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
*实现基于LRU的高效缓存淘汰机制*支持Key-Value数据快速查询、写入、更新与删除*核心读写操作保持平均O(1)时间复杂度*支持缓存容量控制及自动淘汰*支持缓存命中、未命中及淘汰状态统计*对重复写入、缓存未命中、容量边界等异常场景进行完整处理*提供统一CacheAPI,降低上层业务与底层数据结
330C++开发工具
将红外热像与可见光图像融合成一张信息更全的图像:红外贡献热目标(行人、车辆在黑夜/雾霾/伪装下依然可见),可见光贡献纹理细节(车牌、文字、轮廓清晰)。算法无需训练、无需GPU、无需数据集,开箱即用,处理速度约25帧/秒,可批量处理图像与视频,适用于安防、巡检、车载夜视等场景。
290Python人工智能
核心功能1.AI选题策划结合行业、产品、目标客户和内容方向,辅助建立选题库与发布计划。2.短视频脚本生成生成口播稿、剧情稿、产品介绍和案例型脚本,并针对前几秒吸引力进行优化。3.分镜与画面设计将脚本拆分为镜头、字幕、画面素材、人物动作和转场建议,形成可执行制作方案。4.AI素材生产辅助生成封面、插图
420Java电商
AI招聘系统产品系统
核心功能1.岗位画像管理保留岗位原始需求,并辅助整理岗位职责、能力要求、经验条件和评价维度,形成可确认的招聘标准。2.简历解析对候选人基本信息、工作经历、教育背景、项目经验和技能信息进行结构化整理。3.重复候选人识别辅助识别重复投递、历史候选人和已有记录,降低重复整理和沟通成本。4.人岗匹配分析结合
370Java企业服务
工作台将授权数据源、内部数据、研究文档与AI分析工具整合在统一界面中,帮助研究人员更快完成信息检索、跨资产比较、事件跟踪、研究分析和成果沉淀。AI负责辅助整理、检索和解释,投资判断与最终决策仍由专业人员完成。核心功能1.多源数据集成根据授权接入市场行情、宏观指标、财务数据、新闻资讯、研究文档及企业内
390Python金融
项目包含图像采集与预处理、缺陷检测算法引擎、检测结果可视化、数据管理与追溯四大核心功能模块:1、图像采集与预处理:对接半导体产线的光学检测设备(如AOI、KLA设备),实时采集晶圆表面高清图像;通过去噪、增强、配准等算法优化图像质量,消除光照不均、镜头畸变等干扰;2、缺陷检测算法引擎:基于深度学习(
330Torch人工智能
1、具体功能模块:①无人机航拍数据采集与影像管理模块;②双图配准与AI变化检测模块(核心);③目标识别与分类模块(违建、道路开挖、渣土堆放等);④多模态大模型语义复核模块(Qwen3VL-32B);⑤告警上报与工单管理模块;⑥数据闭环与模型迭代模块。2、主要功能描述:系统通过无人机对城市区域进行周期
580Python人工智能
在机器学习金融时间序列研究中,若只依赖于股价回归训练,模型容易吸收复权制度差异与短期交易噪声,使得事件信息含量与制度性尺度变化难以区分,导致回测失真;因为股价本身并不是时间序列,而是由事件驱动而导致的连锁反应。为了研究事件对股票市场的连锁反应的主要因素,以及什么方法更能捕获事件对股票市场的驱动能力,
490Python人工智能
平台集成价格分析、新闻研报、基本面分析、技术分析、宏观经济、风险评估、深度研究和RAG检索等功能。支持多个研究Agent并行执行,通过LangGraph组织研究流程,并提供实时任务执行状态、研究结果汇总和Dashboard展示。系统同时支持金融数据接口及搜索服务接入,可根据实际部署环境配置相应的数据
410Torch人工智能
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
600Python人工智能
面向消化内镜检查报告质量控制场景,实现医疗报告自动解析、关键信息提取及十八项质控指标智能判定,并按照统一结构化格式输出检查结果;同时支持复杂医学文本理解和规则判断,为医院质控人员提供报告审核、问题发现及辅助决策能力。
580Python人工智能
机器人平台支撑ROS进行算法开发研究,其中末端执行器、机械臂、视觉模块、移动平台、导航模块等由机器人控制系统ROS统一控制,适用范围和领域更广。视觉识别系统功能包括:苹果识别、颜色分类、缺陷检测、苹果等级分类,可行驶区域分析,碰撞检测等功能。
1040C++人工智能
标定模块:相机内参标定,相机和机械臂手眼标定。感知模块:通过深度相机(如IntelRealSense)采集物体RGB-D数据,结合深度学习模型实现目标物体检测识别。路径规划模块:基于喷涂工艺参数(如喷枪距离、角度、流量),利用强化学习或几何算法生成自适应喷涂轨迹,支持实时避障与轨迹优化。运动控制模块
780C++机器人
FSDBCClassifier: 开源项目
本项目是面向稀缺样本条件的双组学乳腺癌亚型分类系统,包含以下功能模块:(1)TCGA数据工程管线。解析TCGA-BRCA原始数据,包括RNA-seqRSEM归一化表达、甲基化芯片Beta值与临床数据;完成同一患者多样本优先级配对、缺失值填充与高方差特征筛选,保留2000个基因与5000个CpG探针;
530Torch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。
570C++人工智能
当前共125个项目more
×
寻找源码
源码描述
联系方式
提交