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。

FPGA目标检测系统产品系统

1.基于VU9PFPGA平台，我们实现了YOLOv4目标检测算法的深度加速推理部署。采用自研NPU模块与二维脉动阵列架构，并结合纯自研指令集，大幅提升计算效率。2.上位机通过PCIe高速接口与FPGA设备实时交互，确保低延迟数据传输。3.支持YOLOv4网络定制训练与推理，相比同级别DSP或FPGA

380Torch边缘计算

姿态估计和行为识别产品系统

UDP-Pose的创新在于指出并修正了传统姿态估计流程中的两大系统性误差：坐标变换偏差（TransformationBias）传统方法在图像缩放、旋转、裁剪时，关键点坐标的变换与反变换存在精度丢失，导致预测偏移。UDP方案：设计精确的坐标变换与反变换数学机制，确保原始坐标→变换后坐标→预测→反变换回

530C++智能硬件

AI智能宠物行为监测与情感分析项圈（AIoT全栈开发）产品系统

多维姿态精准识别：基于集成在项圈内的6轴陀螺仪传感器，实时采集宠物运动数据，精准识别宠物的跑步、行走、进食、抓挠及睡眠等多种日常行为。声纹情绪深度分析：通过内置音频采集模块，对猫犬的吠叫进行频谱分析，结合情感识别算法，判定宠物处于兴奋、焦虑、愤怒或寻求关注等不同情绪状态。健康趋势追踪：自动记录每日运

1080Python人工智能

非侵入式用电器识别与检测开源项目

NILM恶意负载检测这个仓库实现了一套基于xgboostfeatureengineering的特征提取的NILM流水线，用于：加载JSY/SQLite家电数据集对低频电气测量数据进行归一化从时序功率数据中检测开/关事件基于事件构建设备会话提取会话级特征使用经验规则对设备类型进行分类将设备类型映射为恶

810Python人工智能

PCB缺陷检测训练数据生成与质检系统产品系统

项目包含缺陷类别配置、提示词管理、批量图像生成、视觉质检、自动标注、YOLO数据审计、市场基准对比、销售交付打包等模块。系统能够围绕具体缺陷类型批量生成图像样本，结合质检与标注流程输出规范化数据集，并自动整理图片、标签、质量报告和对比报告，适合用于AOI算法验证、工业缺陷检测POC、客户试单交付和后

800Python人工智能

智能摄像头（电梯）产品系统

1.电梯运行监测通过智能摄像头监测电梯运行次数、开关门次数、运行里程、运行时长、钢丝绳弯折次数等2.视频监控手机、电脑等多终端远程查看环境视频3.AI视觉实时视频行为分析、人脸识别、目标检测电动车、自动统计坐梯人数等4.视频推流搭建ZLM视频流服务器，使用RSTP协议向外推流实时监控，web端HTT

970C++智能硬件

运动算法自动开发产品系统

AI自动开发运动算法，利用主流Agent模式自动化完成复杂流程；使用主流的agent模式，并采用适当的上下文工程，并微调大模型在此场景的特定能力主要功能是快速生成可上线的有效运动控制算法（实现1天产出）

690C++人工智能

cuda算子优化库产品系统

核心业务目标算子支持：实现FlashAttention、Grouped-QueryAttention等融合算子的AMDGPU适配版本，利用ROCm生态特性（如MIOpen、rocBLAS）解决“算子拆分执行”的内存带宽浪费问题，将注意力机制计算效率提升50%以上。性能突破：针对PyTorch原生算子

5270C++智能硬件

AI纸杯喷胶缺陷检测系统产品系统

1.针对不同的纸杯喷胶类型，支持少量样本图像在线参数学习。2.全程傻瓜式操作，无需任何经验，即可实现算法部署。3.适用于市面上99%以上纸杯喷胶类型的检测。4.基于自研的AI算法，缺陷检测准确度99%以上。5.支持缺陷图像的查询回看。

2500C++人工智能

Android Framework 产品系统

基于高通SNPE的模型部署到色选机项目1.图像采集，利用camera设备采集2600张茶叶（640*640），并标注13中茶叶类别。2.数据增强，利用数据平移、缩放和仿射变换，扩充数据集。3.利用Yolov5算法进行模型训练。4.利用SNPE进行模型进行模型转换和量化，因为SNPEdsp不支持5D算

1790C++人工智能

对接AI智能问答产品系统

本项目旨在打造一个智能文档交互系统，重点在于清晰阐述功能实现与应用价值：本项目致力于构建一个高度智能化的文档交互系统。一方面，系统通过与AI对接，具备智能问答功能，用户输入问题，AI能迅速给出准确解答。另一方面，系统设有资源库，用户可上传各类文档。在AI执行任务，如生成论文时，能自动关联资源库中已上传的文档，将AI生成内容与用户文档数据深度融合，生成更贴合需求、内容丰富的成果，为学术研究、办公创作等场景提供强大助力，大幅提升工作效率与成果质量。

2450Torch智能体

当前共11个项目登录查看更多

登录后即可上传、下载作品

分类

Zig Flutter Lua OpenNN Diesel JVM 自动驾驶 Wireshark Clojure IPFS

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