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.图像采集:相机触发/同步采集,支持产线节拍对接与图像预处理(ROI、校正、增强)。2.缺陷检测:基于深度学习模型推理(边缘侧ONNX/TensorRT加速),输出缺陷类别、位置与置信度。3.服务接口:FastAPI提供检测接口与任务管理,便于与上位机/MES对接。4.可视化看板:Vue3看板展示
170Python机器深度学习
6大功能模块:(1)视频管理,支持MP4/AVI上传删除列表、智能分类、实时骨骼连线标注与角度叠加;(2)骨骼识别,YOLO17关键点检测、MySQL持久化、CSV角度时序导出;(3)角度/动力链计算,手肘、膝、肩等多关节5维追踪与NBA球星模板匹配;(4)AI建议,规则引擎+可选QwenLLM生成
451Python人工智能
通过YOLO实现目标识别与位置计算,带多目标锁定优化使用远程服务器进行激活码校验,同时有完善的后端管理可视化页面通过PID及自研算法完成移动输出计算,有移动平滑及反轨迹识别机制通过鼠标自动化盒子接口完成鼠标移动操作通过运行时加载功能实现主应用与敏感功能分离,避免文件识别应用多种数据传输方式,如TCP
700C#游戏
系统包含视觉检测、串口通信、二维云台控制和状态反馈等功能。K230视觉模块实时检测目标并输出像素坐标;STM32主控通过USART1接收数据,并使用单字节中断和状态机完成报文解析;水平轴和俯仰轴分别由独立定时器的PWM通道驱动,根据坐标偏差计算舵机调整量,并通过死区和限幅减少抖动。主循环采用非阻塞分
740Python智能硬件
处理原始图像标注,完成数据集清洗与样本筛选,校验并修正TOMIE自带的原始标签,结合数据增强划分训练集与验证集;对YOLOv5、YOLOv8开展训练、微调与超参调试,针对仓储环境里实体遮挡、物体部分出界等问题调整训练方案,支持图片、视频的目标推理,输出检测框、类别及置信度,统计mAP、精确率、召回率
710Torch人工智能
1:基于不同天气图片进行训练2:实现对数据集以外的天气进行预测3:保留输出接口,可将输出结果导出4:利用训练的模型可以进行网络上与天气相关的数据集的收集并分类
1030Torch人工智能
本项目包含两大核心预测模块:批零差价预测模型与田头价格预测模型。系统首先对来自郑州、温州、兰州三个城市、8种常见蔬菜的周度批发价与零售价数据进行清洗与特征工程。主要功能包括:多维度特征提取:自动计算滚动变异系数、波动率、价格加速度、移动平均线及季节性正弦/余弦特征,并引入滞后特征(Lag)捕捉时序依
870Torch机器深度学习
系统核心功能:1、使用记录采集与脱敏:自动记录模型输入输出,对敏感信息脱敏后入库,形成使用日志库;2、经验自动总结:定时任务分析使用记录,自动提炼成功经验与失败教训,生成结构化经验条目;3、临时知识RAG:经验条目存入向量库,模型回答时实时检索相关经验作为上下文,临时生效;4、训练微调固化:对高频复
880Python人工智能
本项目围绕锂电池状态智能估计构建了五大算法功能模块:①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取,内置基于模糊信息测度的SOC特征选择(DMRCmRC)与基于小波变换(DTCWT)的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络(EM-
1510C++人工智能
基于深度学习的自来水厂PAC加药频率预测系统,针对滏阳水厂21万条分钟级SCADA运行数据(33个数值特征,目标变量为1#PAC频率给定)完成端到端建模。核心功能:1.数据分析与质量评估:自动检测缺失值、异常值,输出可行性分析报告;2.数据预处理流水线:缺失值均值填充、StandardScaler标
1670Python机器深度学习
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
2590Python工业互联网
#端到端异常检测系统本系统覆盖**Android端→后端→前端完整链路,实现YOLO实时目标检测、数据上报、监控管理的全流程闭Android端—实时检测与数据上报-YOLO实时检测**:基于ncnn框架在手机端运行YOLO模型,实时检测摄像头画面中的目标-目标分类:支持sit(坐)、stand(站)
1820Java机器深度学习
项目分为本地模型调度模块、知识库向量检索模块、对话交互模块、文档解析模块。支持本地开源大模型加载运行,能够上传文档构建私有知识库;支持多轮对话、长文本摘要、信息提取;内置提示词模板管理、会话历史保存、输出结果导出功能,实现离线环境下人工智能文本处理业务。
1210Python人工智能
基于深度学习的90类动物细粒度图像分类系统,具备完整的训练-评估-部署全流程能力:支持90种动物类别的高精度图像识别提供三代CNN架构(ResNet50/EfficientNetV2/ConvNeXt)的对照实验框架内置多种数据增强策略、损失函数、优化器的可配置切换完整的模型评估体系:混淆矩阵、Pe
930Python机器深度学习
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
1200Python人工智能
实现Windows平台下ComfyUI与StableDiffusion深度学习绘图框架搭建。封装Bat/PowerShell脚本自动化启停脚本,内置显存优化策略,同时汇总环境配置、版本兼容、依赖报错等全套落地排坑方案,实现开箱即用的私有化AI绘图服务。
2030Python人工智能
实时语音识别转文字,AI智能对话生成,语音合成播放回复。支持多轮对话、情感识别、角色切换,打造沉浸式语音交互体验。采用WebSocket实时通信,支持流式响应,优化延迟至秒级响应。
2171Caffe人工智能
构建包含不同水期及管网特征的高质量水质多模态数据库;底层固化AI算法对化学需氧量(COD)、氨氮反演误差≤20%,单次推断时延≤1秒;实现复杂深度学习模型向百KB级微控制器固件的极限压缩。完成可直接投入运行的软硬一体化实体装备研发;硬件主板内嵌国产独立NPU加速芯片,外壳结构达到IP68级防护防腐标
1390Torch人工智能
1.基于ROS2Humble搭建机器人通信框架,实现多节点分布式开发,支持传感器数据实时采集与传输;2.集成YOLOv8目标检测算法,实现对行人、车辆、障碍物等多类目标的实时识别与跟踪,检测帧率稳定在30FPS以上;3.提供目标坐标输出、ROS话题发布功能,可直接对接机器人导航、避障等上层模块,支持
1720C++人工智能
具体功能模块:1.一键式筛查:集成视频录制/上传、质量检测、自动预处理及模型推理全流程,输出低/中/高三类风险等级与就医建议。2.批量筛查:支持多视频队列处理,导入被试者信息后自动批量分析,生成群体统计报告与高风险名单。3.数据处理:基于OpenFace提取面部动作单元(AU)序列,Librosa提
2120Python人工智能
当前共20个项目more
×
寻找源码
源码描述
联系方式
提交