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。
AI智能问答支持:怪物、装备、道具、任务、NPC、技能、地图、职业、升级攻略、专题攻略装备搜索支持:武器、防具、饰品、卷轴任务攻略支持:任务接取、任务流程、任务奖励、任务前置专题攻略库仪表盘:各类型数据、访问量、向量化数量任务功能:数据整理、全量向量化、增量向量化向量管理:查看已向量化数据,验证检索
120Python人工智能
项目基于多模态深度学习架构构建,主要包含流量预处理、特征提取、模型训练与分类预测等模块。功能包括:1.网络流量数据解析与预处理2.数据包Payload语义特征提取3.流量统计特征建模4.多模态特征融合5.深度学习模型训练与推理6.分类结果评估与可视化分析项目使用PyTorch实现模型训练,支持GPU
140Python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
140Python人工智能
Blox开源项目
项目概述Blox是微软研究院(MicrosoftResearch)开发的模块化深度学习调度器工具包,旨在解决大规模GPU集群中深度学习训练任务的调度难题。论文发表:EuroSys2024开源地址:https://github.com/msr-fiddle/blox许可证:MIT(开源)核心设计理念B
180Torch人工智能
功能介绍:支持多网站并发采集,具备智能反反爬机制(IP池轮换、Cookie管理、请求头随机化),支持断点续爬、数据去重清洗、实时存储至多种数据库,提供可视化监控面板、异常告警、定时任务调度等功能,可配置化爬取规则适应不同网站结构,支持海量数据高效处理与导出。
270自动化测试人工智能
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
240Python人工智能
Qbot是一个开源的、以人工智能为核心的自动化量化投资平台。它并非传统简单的交易工具,而是一个全栈、闭环的量化投研生态系统,旨在将AI技术的潜能赋能于金融投资领域。其核心理念是为个人量化交易员和开发者提供一个从数据到决策、从回测到实盘,且高度本地化、可自主迭代的“AI交易实验室”。核心设计理念:分层
400Python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
351Python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。
310Python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。
220Python人工智能
技术栈:Python、Streamlit、Pyvis、ONNXRuntime、DeepSeekAPI主要功能:藏药知识库、知识图谱可视化、AI问答,以及藏文OCR
250Java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。
280C++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
240Python人工智能
具体几页引导,每一步都可提交照片上传数据库,已上线服务器,ai智能识别网线是否插好,dio导轨条是否安装无误,天线安装是否正确等等,还能识别图片获得图片内的plc型号以及ip地址
180Python
1、传感器模块:多模态传感器实现数据采集2、感知模块:利用多模态算法检测行人空间位置3、通信模块:感知结果与控制系统信息传输4、用户层模块:显示检测结果,并用于用户操作。
300C++人工智能
核心功能模块1核心排产功能:1.1销售订单管理1.2产线与产能管理1.3物料与BOM管理1.4排产求解:a)基于MILP数学优化,求解全局最优排产方案;b)支持8条业务约束规则(4硬约束+4软约束);c)支持多维成本目标函数优化(交期、批量、拖期、库存、优先级等)1.5排产结果展示:a):以表格形式
441Python人工智能
采用A2A宏观上的调度+LangGraph微观上的react执行,使用RedisStreams实现分布式消息总线,编辑与安全Agent并行审核。
280Python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
551Python人工智能
实现高光谱图像(HSI)的分类训练与评估,支持使用:原始高光谱数据输入由扩散模型生成的扩散特征输入(可选)模块:workflow.py:负责读取配置、调度数据加载、模型训练、评估和结果保存。data_provider.py:负责读取.mat数据、可选加载扩散特征、预处理并生成训练/测试patch或n
260Python人工智能
项目主要包含三大核心功能模块:1.影像预处理模块:对输入的B超影像进行去噪、增强、ROI裁剪等预处理,提升影像质量,为后续识别提供清晰的输入数据;2.针尖检测与定位模块:基于深度学习目标检测算法,自动识别B超影像中的手术针尖,输出针尖的位置坐标与置信度;3.结果可视化模块:在原始B超影像上叠加针尖检
330Python人工智能
当前共95个项目more
×
寻找源码
源码描述
联系方式
提交