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。
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
230Python人工智能
实现VAD切割、说话人分离、视觉特征提取,构建文本‑音频‑视觉三路混合索引。微调BERT意图分类(4分类F1=0.92),LLM策略路由(直接检索/HyDE/子查询拆解)。融合BM25+语义向量+Cross‑Encoder精排,并构建Neo4j认知图谱。
320Python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。
310Python人工智能
项目主要围绕图像处理与数据分析展开,包含若干可扩展的功能模块,用于支持不同类型的任务配置与结果展示。系统提供基础的可视化界面与流程管理能力,能够适应多种应用场景,提升整体工作效率与操作体验。
290Torch人工智能
项目主要包括气象数据采集模块、深度学习预测模块、台风路径分析模块、风险预警模块、可视化展示模块以及业务管理模块。系统可实时接入卫星云图、雷达数据、海温数据及历史气象数据,通过LSTM、Transformer等模型对台风路径、风力等级、降雨量进行预测分析;同时结合GIS地图实现动态轨迹展示与影响区域分
380Python人工智能
本系统包含三大核心功能:检测:支持图片、视频、摄像头三种模式,创新性地实现了置信度自适应处理和参数可调检测,检测结果会生成AI治理建议。训练:支持用户上传自己的数据集进行模型训练,可调节多种参数,后台异步执行。资源储蓄:模型库和数据集支持上传、下载、收藏、点赞,检测结果自动存储并支持收藏延长保存期。
670Python人工智能
系统提供站点级7天水位预测、1–7天历史回测、持久化基线对比、不确定性可视化、上游辅助修正、数据可用性诊断等功能。用户可查看最新预测曲线、对比历史真实值与模型输出、观察不同预测天数下的回测效果,并通过图表快速识别模型在不同时间段的稳定性与适用边界。系统支持在线演示和结果展示,便于技术验证与场景沟通。
540Python人工智能
本地RAG开源项目
项目简介:本项目是一个基于本地大模型的智能文档问答系统。你可以上传自己的文档(目前仅支持txt文件),大模型将会根据文档内容回答你的问题。整个过程完全在本地进行,无需联网,保障隐私安全。核心功能:-文档上传与管理:支持上传'.txt'文件,并自动构建数据库。-智能问答:你可以显式指明"根据文档内容进
670Python人工智能
具体功能模块项目包含系统管理、系统监控、系统工具、设备管理(机场列表、航线文件上传、航线任务、航线飞行记录、媒体文件、巡检报告、日志管理)等核心业务模块,覆盖电站无人机巡检全流程。主要功能描述支持点云模型、obj、fbx、bim等常见模型的加载,平台基于大疆机巢无人机技术,实现电站全场景智能巡检:支
2370Java机器深度学习
论文翻译开源项目
基座冻结训练:冻结大模型基底权重,仅开放部分参数参与训练,降低显存开销,避免通用能力灾难性遗忘。LoRA参数微调:使用低秩矩阵对模型做垂直微调,定向学习计算机学术论文句式与专业术语,强化学术翻译精度。模型指针调用:设计模型权重指针映射,动态指向微调后的LoRA分支与原始基座分支,按需切换推理权重。R
650Python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
640Torch人工智能
项目包含视频接入与解码模块、GStreamer实时推流与处理模块、AI目标检测模块、目标跟踪模块、告警与事件管理模块、设备配置管理模块、Web可视化展示模块等。系统支持多路摄像头/RTSP视频接入,能够在嵌入式设备侧完成图像采集、解码、预处理、目标检测与连续跟踪,并将识别结果、轨迹信息和告警事件实时
1110C++人工智能
实验室项目,机密。1.在高噪声下寻找量子观测最优解。2.使用多数前后端技术完成预警系统,并优化算法。使用过的技术与框架:ML、DeepML、LLM、C、JS/MJS、TS/TSX、Vue、tauri、Websocket、前后端分离。
710C机器深度学习
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
1370Python人工智能
命名实体识别产品系统
1.文本自动化清洗2.文本情感分析3.信息抽取:识别文本中的实体以及实体之间的关系4.以web服务方式进行线上部署和调用,采用python与pytorch框架结合
980Caffe人工智能
网络爬虫编程产品系统
编程实现网络爬虫下载豆瓣电影前10页的数据。编程实现网络爬虫使用post请求实现百度翻译’spider’并显示结果。编写代码,实现京东商品信息爬取。编写代码,实现个人博客信息爬取。
590Python人工智能
可视化编排:通过节点与连线搭建智能体工作流多模态能力:支持图像、音频、视频的理解与生成类场景知识增强:知识库检索、知识图谱等能力可作为上下文注入工具/接口调用:支持HTTP调用与系统对接对外集成:提供应用级API调用信息与嵌入式运行入口内容安全:敏感词与语义拦截配置
1170Caffe人工智能
1.项目具体功能模块:本AI智能问答系统基于LangChain+RAG技术架构,核心包含五大功能模块,分别是文档数据处理模块(负责多格式文档的解析、清洗、分块与预处理,支撑知识库构建)、向量知识库模块(实现文本向量化编码、向量存储与高效检索,对接主流向量数据库)、检索增强模块(基于用户问题进行语义检
1730Python人工智能
为解决上述问题,我们提出DynamicSelf-VerifyDecoding(DSVD),一种面向实际部署的实时自校验生成框架,在不引入高昂外部验证成本的前提下显著提升模型输出质量。DSVD主要提供以下核心功能:实时生成质量自检在模型解码过程中,引入并行的自验证机制,对当前生成内容进行持续评估能够及
1380Torch人工智能
一、多源分布式全网数据采集模块支持三大灵活采集模式,覆盖互联网全域文本数据(新闻、论坛、博客、微博),突破各类反爬限制,实现精准、高效、稳定采集:1.领域关键词采集:用户输入领域关键词+时间范围,分布式实时爬虫全网采集对应领域数据(如「华为产品分析2014.03-2014.05」);2.指定URL采
1700NLP人工智能
当前共27个项目more
×
寻找源码
源码描述
联系方式
提交