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。
本项目主要围绕纸质笔录与审讯音视频记录的智能语义核验展开,构建集**OCR文字识别、ASR语音转写、文本预处理、大模型语义分析、异常问题识别及核验报告生成**于一体的智能核验系统。系统通过OCR技术将纸质笔录图片转换为电子文本,通过ASR技术将审讯音视频中的语音内容转换为文本;在完成文本清洗与格式标
520Python人工智能
工作台按地区、城市进入具体基地,查看小时曲线、运行看板和需要留意的情况。支持CSV上传后即时分析,确认后再保存进站点。检测按星期同一小时做基线,连续偏离合并成一段,可剔除误报,也可把值班报文整理成自定义事件。AI小助手针对当前基地回答异常、档案和数量对比。对外提供查询站点、更新全部站点、文件上传分析
2230Python人工智能
1.模型构建:基于PyTorch从零搭建Decoder-OnlyTransformer,引入RMSNorm、RoPE旋转位置编码等结构,并配置自定义6400词表Tokenizer。2.训练与微调:支持模型预训练、SFT监督微调和LoRA参数高效微调,可在单卡环境下完成轻量级模型训练。3.效果验证:通
720Python人工智能
系统以案件为单位组织资料与撰写过程,主要功能包括:交底书解析:提取技术方案中的关键信息,辅助梳理技术问题、方案步骤及有益效果。缺口追问与方向确认:针对信息缺失、表述不清或技术关系不明确的内容提出问题,通过补充问答完善材料,并确认后续撰写方向。说明书初稿生成:基于交底内容、补充信息及已确认方向,组织实
1220Python人工智能
系统主要包含金融文档解析、意图识别、关键词抽取、NL2SQL(自然语言转SQL)、大模型微调及推理服务等模块。基于金融业务数据构建SFT(监督微调)数据集,并使用LoRA(低秩适配)对大语言模型进行领域微调,使模型能够识别不同类型的金融问题并抽取核心查询条件。对于结构化数据查询场景,通过NL2SQL
2010Torch人工智能
AI招聘系统产品系统
核心功能1.岗位画像管理保留岗位原始需求,并辅助整理岗位职责、能力要求、经验条件和评价维度,形成可确认的招聘标准。2.简历解析对候选人基本信息、工作经历、教育背景、项目经验和技能信息进行结构化整理。3.重复候选人识别辅助识别重复投递、历史候选人和已有记录,降低重复整理和沟通成本。4.人岗匹配分析结合
960Java企业服务
项目主要能力包括:1)离线建库:解析docx/pdf/txt,IP/MAC/邮箱脱敏,按Heading结构化切分并向量化入库,支持增量更新;2)智能问答:意图识别+向量/BM25多路召回+RRF融合+重排,生成可带来源引用的处置建议;3)防幻觉:重排阈值拒绝、实体覆盖校验、生成后自省硬拒绝,闲聊/域
1451Python人工智能
1、项目具体功能模块包含无人机视频流实时接入模块、图像预处理模块、AI目标检测模块、异常识别告警模块、结果可视化展示模块、系统配置与权限管理模块等。2、项目主要功能描述软件基于深度学习模型对无人机航拍图像与视频进行智能分析,可自动识别人员、车辆、火情、违建、河道污染、电力缺陷、农作物异常等目标与隐患
1690C++人工智能
系统面向珠宝连锁门店的视频监管场景,包含待客行为检测、首饰称重流程核验、烧火验金操作识别、保险柜开合及存放状态检测、收银行为检测五大功能模块。系统能够对门店监控视频进行自动分析,根据画面中是否存在人员动态调整检测帧率,有人时采用8fps、无人时采用1fps,在保证检测效果的同时降低计算资源消耗。系统
1110C++人工智能
收入预测助手基于TeleAgent开发,支持上传历史收入数据Excel,自动识别数据结构并进行完整性检查,自动识别最新实际月份,基于历史积分、收入及季节系数进行滚动预测。系统自动生成未来月份收入目标、积分目标、支局压力分析、预测Excel和Markdown报告,并支持自然语言查询预测结果、支局分析、
1370Python人工智能
项目包含三个核心模块:1.企业知识库RAG问答系统:支持制度文档、产品手册、客服FAQ等资料问答,回答带引用依据,便于人工核对;低置信场景不强答,可转人工处理。2.企业经营周报AIAgent:用户输入自然语言分析需求后,系统自动生成任务计划,读取经营数据,计算收入、毛利、订单、投诉率等指标,识别异常
2110Python企业服务
每个岗位员工可自己创建自己的AI员工:如排产AI员工、采购AI员工、跟单AI员工、办公助理AI,自主完成重复性、标准化业务工作,释放人力聚焦高价值经营决策。
1430Caffe人工智能
搭建企业级的RAG知识管理系统,包含核心模块:文档解析和结构化,知识图谱建设,片段切分,检索召回,片段,片段生产,大模型问答等。多模文档内容解析及流程优化迭代优化RAG问答系统,提出精简上下文的优化思路和效果优化,实现了多资源类型:文档,知识库,图片等综合问答RAG系统;
950Python人工智能
1、文档上传(PDF、Word、Excel)2、文档自动切分3、向量化存储4、大模型智能问答5、引用原文显示6、多轮对话7、权限管理8、对话历史保存9、Prompt管理10、API接口调用
1310Python人工智能
意图识别、意图路由、Agent节点规划(图算法)、MCP服务调用、GraphRAG检索以及结果加权融合、向量召回、Skills技能包意图识别、正常对话、天气查询、表单处理、报告生成、非结构化数据处理、DOCX格式报告(图文表格5W字+)撰写、Agent自动化处理(类manus、openclaw,替代
1240Python人工智能
snapfill产品系统
1、项目包含rag部分,表格构建算法,表格填写算法,文档的解析还原算法,表格布局层级的精准识别算法等2、agent的新型架构,基础的ucenter机制,并行算法机制3、lambda分布式架构
1190Python人工智能
本项目从零搭建企业级RAG问答系统,基于Python、FastAPI、LangChain、技术栈开发。核心功能包括:1.多格式文档(PDF/Word)上传与智能清洗切分;2.基于向量数据库的混合检索与Rerank重排,大幅提升检索准确率;3.对接主流大模型,实现流式回答与引用溯源;4.封装标准化后端
1791Python人工智能
模块 |功能说明异构GPU发现与注册|基于HAMi框架,自动识别NVIDIA、昇腾、寒武纪等不同厂商GPU,上报型号、显存、算力、健康状态智能调度器 |实现Binpack(碎片最小化)、Spread(高可用)、Affinity(数据本地化)、Cost(成本优先)等多种调度策略,支持策略热切CXL内存
2510Python人工智能
AI智能交互:意图理解、多轮对话、本地记忆、知识问答自动化执行:文件处理、数据清洗、日志监控、定时任务、自动修复机器人控制:姿态稳定、PID调优、步态算法、抗干扰平衡私有化部署:本地离线运行、数据安全、不依赖外网系统定制开发:Python全栈、Windows桌面程序、Web管理后台
2680Caffe人工智能
本项目包含5大核心功能模块:智能问答:支持7x24小时自动回复常见问题,准确率达95%以上多轮对话:可进行上下文理解,处理复杂业务咨询知识库管理:支持商家一键上传产品资料、服务流程,自动生成问答库多渠道部署:可一键嵌入企业官网、微信公众号、微信小程序数据统计:自动统计咨询量、转化率、常见问题等数据,
2000HTML5企业服务
当前共30个项目more
×
寻找源码
源码描述
联系方式
提交