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
430Java机器深度学习
平台由教师工作台、课程管理、班级管理、学情监控、学生学习门户、个性化学习路径和AI智能助理等模块构成。教师工作台集中呈现学习人数、课程数量、待批改作业、用户反馈、课程平均完成率、平均学习评分、提交率和优秀率等核心指标,并提供待处理任务、实时学情预警和AIGC助手入口,便于教师快速掌握教学情况并开展后
490Java教育校园
1.多轮智能主循环:意图规划、内容探测、广覆盖检索、立场发现、多辩论收敛,自动决定何时深挖何时终止。2.知识框架沉淀:每轮增量更新话题时间窗、实体、关系、时间线、争议点、子话题与立场分布,并做快照留档。3.多源抓取层:统一编排MediaCrawler子进程(微博/抖音/小红书/B站/快手)、海外X/
380Python人工智能
该系统设计为九个功能模块:用户认证、检测引擎、模型管理、检测历史、统计分析、数据管理、模型训练、结果导出。用户认证模块采用统一登录入口,支持管理员与普通用户双角色。系统内置初始管理员账号,新用户须由管理员创建并分配角色。登录时采用SHA-256加盐哈希加密校验,校验通过后加载用户对象并跳转主界面,失
540Python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
1510Python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)
1030Java机器深度学习
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
1431PHP人工智能
1、微信/账号登录2、微信/支付宝支付3、导入视频并截取基础片段4、视频预处理:自动获取镜头时间5、智能生成基础场景信息6、场景总览、搜索、分页浏览7、单场景预览8、进入场景编辑页手动剪辑9、添加、删除、修改场景描述10、手动选择镜头片段并保存11、保存并预览单个场景12、导出已剪辑视频13、多视频
900PHP人工智能
系统主要功能为小麦病虫害分类识别检测及辅助分析,通过用户上传小麦叶片图片,自动识别其健康情况以及发生了何种病虫害,并给出相应的防治建议,同时保存历史记录以进行数据分析。
711Python人工智能
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
900Python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。
840Python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。
820Python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。
750Torch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
1200Python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。
1170Python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。
900Python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
1180Python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
4800Java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
1080Python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
1070Torch人工智能
当前共36个项目more
×
寻找源码
源码描述
联系方式
提交