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
-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
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
1.图像预处理:读入低照度图像,做归一化和颜色空间转换。2.亮度与对比度恢复:自适应提升暗区亮度,同时避免高光过曝。3.噪声感知增强:估计图像噪声水平并加权,在提亮的同时抑制噪声放大。4.细节与色彩保持:保留纹理边缘,减少色偏。5.性能评估:支持PSNR、SSIM等指标批量测试,以及增强前后对比可视
1020Python人工智能
T2S-MotionTok是一个基于离散动作标记的文本生成手语项目,主要用于将德语文本自动转换为三维手语动作序列。项目采用“文本输入、手语词汇序列生成、动作标记预测、三维姿态解码”的处理流程,结合深度学习和人体动作建模技术,实现从自然语言到连续手语骨架动作的转换,为智能手语生成、无障碍交流和人体动作
1480Python人工智能
miniLLM开源项目
MiniLLM是一个使用Python和PyTorch从零实现的小型Transformer语言模型教学项目。项目围绕“数据处理—分词器训练—Transformer预训练—文本生成—监督微调—评估与性能分析”构建了一套完整的小型语言模型流水线。它主要用于帮助学习者理解语言模型的核心工作原理和训练流程,而
810Python人工智能
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(
1230Torch人工智能
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;
1210Torch人工智能
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
角色风格复刻:微调后的模型能够高度还原ATRI角色的语言风格、性格特征和说话习惯,对话内容自然流畅,角色一致性高高质量数据合成管线:OCR提取→大模型风格化生成→Levenshtein+n-gram双重去重→质量过滤,形成一套可复用的角色数据集构建流程低成本高效训练方案:LoRA+Unsloth加速
1991PHP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
1360Python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、
2250C++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。
1610Python人工智能
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
1460C++自动驾驶
本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块,主要功能描述如下:1、系统基于YOLO-OBB算法,实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络,系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法,系统能够高精度地量测出工件的倾斜
2210Python人工智能
本导览设备搭载深度学习推荐算法,采集用户兴趣、实时位置、游览行为等数据,构建用户画像。智能匹配景点资源,实现个性化景点推送、最优游览路线规划;支持语音讲解、实时定位导航与多模态交互,可动态更新推荐内容,适配不同人群游览需求,提升景区、展馆智能化导览服务体验。
2160Torch人工智能
分类模型检测开源项目
#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie
990Caffe人工智能
点云智能分割产品系统
本项目基于PointNet/PointNet++实现点云的高精度分割与分类,核心功能覆盖全流程开发。搭建Ubuntu+PyTorch环境,支持点云数据加载、预处理、标注、训练与推理;借助CloudCompare完成点云裁剪、标注、合并与导出,实现自定义数据集制作;通过脚本自动分离点云坐标与标签,构建
2270C++机器人
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
1380Torch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
当前共30个项目more
×
寻找源码
源码描述
联系方式
提交