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。

YOLO 目标识别与自动瞄准系统产品系统Vibe Coding

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

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

730Torch人工智能

低照度图像增强算法产品系统

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

1180Python人工智能

端到端文本生成手语（T2S-MotionTok）开源项目

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

1540Python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

天气识别模型产品系统Vibe Coding

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

1100Torch人工智能

基于深度学习的脑电情绪识别项目产品系统

1.数据读取与组织：读取SEED脑电数据及情绪标签，按被试、实验场次和试次整理样本，完成模型输入与标签的对应。2.特征加载：支持加载经过平滑处理的微分熵特征，组织多通道、多频带输入，用于情绪分类训练。3.电极拓扑构建：根据脑电通道位置信息生成邻接矩阵，为图模型提供空间关系初始化方案。4.情绪识别训练

1071Python机器深度学习

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

基于深度学习的锂电池健康状态（SOH）与荷电状态（SOC）智能估计系统产品系统Vibe Coding

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

AutoGuard —— 基于多模态视觉AI的汽车KD件智能防漏错与追溯系统产品系统Vibe Coding

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

面向通用任务的大模型本地调用与智能交互系统产品系统Vibe Coding

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

ATRI 大语言模型微调产品系统

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

基于X-光成像的异常检测系统产品系统

该系统是为配套硬件定制的一套包含硬件控制、用户管理、数据管理、图像检测、AI检测子系统等多功能于一体的软件系统。硬件控制模块通过以太网、串口、USB等方式实现与硬件控制单元的通讯，如PLC、X-Ray发射器、X-Ray成像控制器、异常执行机构等，从而实现对硬件设备的操控；用户管理模块实现了角色分配与

1350C++机器深度学习

文图智能搜索软件（软著）产品系统

模块有图片匹配图片、文字匹配图片两个主要功能模块，还可以配置搜索路径。a、根据输入图片，在指定目录中查找相似图。b、根据输入中文文字，在指定目录中查找与描述相似图片。c、都是实时匹配检测，可以根据客户需求定制不同使用场景，匹配不同的支持系统d、是多模态应用系统

760Torch人工智能

AI‑Native 内容生产多 Agent 协作系统产品系统

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。

1140Python人工智能

机器视觉算法开发软件产品系统

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。

930Torch人工智能

yolov11 车牌识别产品系统

1.使用YOLO11-OBBONNX定位车牌旋转框2.使用旋转框四点透视矫正车牌3.使用LPRNet/CRNNONNX识别车牌号4.PyQt5专业界面显示检测框、裁剪图、识别结果、置信度5.支持中文路径读取图片6.支持保存结果图

1130Python机器深度学习

PrAlmodel开源项目

从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块，模拟大脑皮层的Pr-Al分子梯度轴，让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新说明人脑对应层级预测编码 4层网络，每层独立预测，预测误差驱动学习皮层分层结构（V1→V2→V4→IT）Pr-Al功

1511C++人工智能

当前共43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