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。

工业视觉检测：表面缺陷检测与可配置检测架构产品系统Vibe Coding

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

160Python机器深度学习

单图超分辨率重建 · SRGAN 三尺度全链路复现与 SPAN 生成器替换产品系统

项目包含六个功能模块：1.数据管线：DIV2K800张2K原图预切为480×480图块（共12,610块），支持随机裁块与三尺度（×2/×3/×4）LR生成，读取由解码整图改为读小块，单步迭代从0.86s降至0.092s。2.生成器：SRResNet（16个残差块+PixelShuffle上采样）与

170Python人工智能

火焰烟雾与焊接场景视觉识别模块产品系统

-火焰识别：检出疑似火焰区域，结合颜色、轮廓、亮度动态闪烁特征做多帧复核-烟雾识别：依靠低饱和度、纹理扩散、边缘衰减、漂移变化等时序特征识别-焊接电弧识别：基于强光区、电弧色彩、火花动态特征，结合附近人员信息辅助判定-干扰过滤：针对固定灯光、金属反光、静态暖色物体、过曝亮斑设置过滤规则-结果输出：告

280Python机器深度学习

电子围栏与人员区域入侵预警模块产品系统

-多边形自定义电子围栏：支持任意形状区域绘制，判定人员是否进入围栏范围-人员定位优化：优先使用脚部关键点/人体框底部中心点判定，减少检测框重叠带来的误判-目标轨迹追踪：绑定人员ID，持续跟踪移动路径，区分路过、闯入、滞留-场景联动条件：可搭配其他目标状态，为不同围栏配置差异化判定逻辑-告警状态管理：

250Python人工智能

人员行为与防护用品智能识别模块产品系统

-人员检测与局部识别：定位画面内人员，裁剪人体区域二次识别，识别手机、安全帽、防护服装等目标-行为分析：结合人体关键点、目标相对位置，识别疑似玩手机等违规行为-防护用品核验：结合颜色特征、局部目标、作业上下文，辅助判断防护装备佩戴状态-多帧时序校验：绑定同一个人员ID，滑动窗口投票，降低单帧误检波动

240Python人工智能

KeepProject — AI 投篮动作识别与个性化训练建议系统产品系统Vibe Coding

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

441Python人工智能

作业区域权限校验产品系统

系统分为四个功能模块：1、人员检测模块：在画面中实时定位人员位置，输出人体框；2、马甲识别模块：对检测到的人员做细粒度分类，判断其马甲类型；3、区域判定模块：在画面中预先划定各区域及其允许的马甲类型，判断人员当前所在区域是否与其马甲类型匹配；4、告警与统计模块：越权时实时告警并抓拍留证，同时按区域、

510Python人工智能

机场净空异物检测与跟踪产品系统

系统分为四个功能模块：1、目标检测模块：对视频画面中的风筝、鸟类、无人机等目标做实时检测，输出目标类别与位置框；2、多目标跟踪模块：为每个检测目标分配唯一ID并持续跟踪，记录其轨迹、停留时长与运动方向，避免同一目标重复告警；3、告警判定模块：按目标类型、进入区域、持续时长等条件组合判定是否触发告警，

550Python人工智能

基于机器视觉的激光灭蚊炮视觉追踪系统产品系统Vibe Coding

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

开架式水下机器人产品系统

项目包含开架式机械结构、推进与动力、传感与感知、运动控制、水面控制与通信五大功能模块。开架式框架模块采用高密度聚乙烯（HDPE）或铝合金型材构建模块化开放式骨架，配合浮力材实现水中零浮力配平，耐压电子舱采用双重O型圈密封，支持传感器与工具载荷的快速拆装。推进模块采用“4+4”或六推进器矢量布局，实现

550C++人工智能

YOLO-series产品系统Vibe Coding

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

基于集成加权LSTM模型的农产品三方博弈模型建立产品系统

本项目包含三大核心功能模块：价格预测模块、三方演化博弈仿真模块与多维可视化分析模块。价格预测模块：集成LSTM深度学习模型，分别预测田头价、批发价及批零差价，并引入变异系数（CV）增强对高波动品种的预测鲁棒性。三方演化博弈仿真模块：构建农户（扩大/维持种植）、商户（高加价/低加价）与消费者（需求响应

890Torch政务

农场品价格的加权LSTM模型产品系统Vibe Coding

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

自进化模型系统产品系统Vibe Coding

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

多模态金属构件疲劳寿命预测深度学习模型产品系统

整个框架由三部分组成。加载路径的描述必须通过荷载大小和时间，所以为二阶张量，材料及其尺寸可以组合成一组一维张量用于表征。所以分别通过两个不同网络学习特征。一个FNN用于学习一阶张量，一个由GNN（学序列自身交互）,LSTM（加入时间约束），TCN（学单变量波形）。最后拼接特征，由另一个FNN计算结果

830Torch机器深度学习

高光谱影像智能分类算法（论文落地包装）产品系统

高维特征提取模块：利用深度学习网络（如3D-CNN、Transformer等）对高光谱影像进行空间-光谱特征联合提取。小样本学习模块：针对标注数据少的问题，引入小样本学习策略，提升模型泛化能力。分类与评估模块：输出地物分类图，自动生成混淆矩阵、总体精度（OA）和Kappa系数等评估报告。

1160Python人工智能

北理工（珠海）图书馆个性化推荐产品系统

系统围绕用户兴趣建模、资源特征分析、混合推荐计算、推荐结果展示及反馈优化构建完整服务链路。用户登录图书馆门户后，可在个人服务区域查看根据其研究方向、资源偏好和历史行为生成的个性化推荐结果，内容可覆盖专业图书、电子资源、课程资料及相关学术内容。推荐页面以书名、封面、作者、出版社和资源类型等信息呈现候选

1210Java机器深度学习

PAC 加药量预测模型产品系统

1.SCADA数据接入与清洗模块对接水厂SCADA系统，采集原水浊度、进水流量、pH、温度等分钟级运行数据，处理缺失值、异常跳变与停机工况剔除，按时间对齐不同采集频率的数据源，形成建模可用的标准数据集。2.加药量预测模块核心功能。采用"机理模型+数据驱动模型"双轨方案：机理模型依据原水浊度、进水流量

840Torch机器深度学习

paddel2onnx开源项目

Paddle2ONNX工具链研发模块：负责底层算子编译与图优化，支持模型在ONNX与Paddle之间的相互转换。系统支持算子裁剪、算子融合等高级优化策略，能够有效缩减模型体积并提升推理速度。该模块覆盖面广，支持主流图像分类、检测、分割等视觉模型的平滑无缝转换，极大丰富了Paddle模型在外部生态的适

1130Torch人工智能

Golden_task-Ensemble开源项目

1.项目具体功能模块项目主要包含：多模型预测结果读取与处理模块、GoldenTask标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持Voting、SML、Dawid-Sken

1010Torch人工智能

当前共86个项目登录查看更多

登录后即可上传、下载作品

分类

JavaScript 音视频多媒体 LoadRunner 机器人边缘计算哈希算法 Delphi ArkTS 驱动开发 Charles

重点城市程序员兼职推荐

北京程序员兼职上海程序员兼职深圳程序员兼职广州程序员兼职杭州程序员兼职成都程序员兼职南京程序员兼职武汉程序员兼职西安程序员兼职重庆程序员兼职郑州程序员兼职长沙程序员兼职苏州程序员兼职合肥程序员兼职厦门程序员兼职济南程序员兼职青岛程序员兼职天津程序员兼职大连程序员兼职福州程序员兼职石家庄程序员兼职沈阳程序员兼职太原程序员兼职无锡程序员兼职南昌程序员兼职哈尔滨程序员兼职南宁程序员兼职珠海程序员兼职宁波程序员兼职昆明程序员兼职东莞程序员兼职贵阳程序员兼职美国程序员兼职长春程序员兼职温州程序员兼职佛山程序员兼职常州程序员兼职呼和浩特程序员兼职兰州程序员兼职乌鲁木齐程序员兼职中山程序员兼职海口程序员兼职洛阳程序员兼职

更多

点击空白处退出提示