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。
端侧实时语音指令识别:负责算法设计与软件开发,完成模型训练、ONNX优化、C++解码及设备部署。在项目测试条件下,信噪比-5~15dB时识别准确率超过95%,响应延迟低于200ms。
150C++人工智能
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
120Torch机器深度学习
一、双任务共享编码模型基于BERT-base-Chinese构建单模型多任务架构:底层共享编码层,上层分别接安全分类头(正常/广告/色情/暴力/政治敏感五分类)与情感分析头(正面/负面/中性三分类)。一个模型同时输出两个结果,比跑两个独立模型节省近一半资源。二、推理服务提供实时分类与批量审核两类接口
220Python人工智能
系统按一条完整链路设计:用户提出需求-任务拆解-多源检索-结构化生成-质量评估-人工精修。共六个核心模块:一、Coordinator任务拆解引擎接收「撰写某行业报告」这类自然语言需求,自动拆解为6-8个子任务(宏观环境-市场规模-竞争格局-财务对比-风险提示),并构建任务依赖图(DAG),无依赖的节
220Java人工智能
解决医学CT影像的自动分割,疾病检测通过ai影像算法实现对CT影像的自动化分割,根据影像算法得出的结果,再根据ai算法分析疾病情况,出具诊断结果,最后给出分析图片和诊断报告
230QT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
300Python人工智能
ai产品系统
ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,
200Torch人工智能
ai产品系统
ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师
260Torch人工智能
ai产品系统
ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师,ai算法工程师
260Torch人工智能
系统基于ComfyUI节点化工作流引擎与FLUX.1klein9B量化模型构建,功能模块包括:1、文生图核心链路(文本编码、采样、VAE解码、图片输出),支持生成写实、风格化等多种画风图片;2、批量出图模块,支持队列任务与自动编号保存;3、4K高清放大模块(TiledUpscale分块放大),满足封
350Python人工智能
木材检测项目产品系统
功能模块:五个工作台模块+五个支撑模块,覆盖检测到执行全链路五个工作台模块为:上料台物料分类、板材切割台缺陷检测与坐标推送、补丁切割台智能寻位切割、补丁修补台缺陷定位与贴胶带计算、补丁暂存台补片抓取定位;五个支撑模块为:PyQt5前端界面、FastAPI+WebSocket后端服务、工人确认流程、M
270Python物联网
高维特征提取模块:利用深度学习网络(如3D-CNN、Transformer等)对高光谱影像进行空间-光谱特征联合提取。小样本学习模块:针对标注数据少的问题,引入小样本学习策略,提升模型泛化能力。分类与评估模块:输出地物分类图,自动生成混淆矩阵、总体精度(OA)和Kappa系数等评估报告。
340Python人工智能
基于工业CT采集的原始数据,我能够为您交付高精度的三维重建结果。依托先进的图像处理与体素重构算法,可完整还原工件内部结构与外部轮廓,清晰呈现微小缺陷、孔隙及密度差异。无论是复杂装配体还是精密铸件,均可获得细节丰富、尺寸准确、可追溯的三维模型,直接用于质量检测、逆向工程或数值仿真分析。
200Python人工智能
文本提示与提示图会话复用;跨图片样例特征缓存;正例、负例样例复核;三层多尺度特征匹配;全图与重叠切片推理;密集目标重复框融合;单图与批量接口;内部置信度和候选来源诊断。
240Python人工智能
模块化设计,各功能独立、可复用:1.FPGA采集与信号处理模块:多通道同步ADC采集、可编程激励信号生成(DDS)、实时滤波与解算;2.ARM嵌入式控制模块:外设驱动、通信协议栈(UART/SPI/I2C/CAN)、闭环控制逻辑;3.上位机监控模块:串口/USB/网口通信、实时波形显示、参数下发、数
761C++智能硬件
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
平台由空间预约、可视化座位管理、AI人脸识别、边缘智能分析、无感签到签退、岗位状态监测、异常事件处理、规则引擎及数据看板等模块组成。用户可按日期、场所和座位查看空闲、已预约、使用中及不可用状态,并在线完成预约和记录查询。现场摄像设备将授权区域的视频流接入边缘计算节点,由边缘侧视觉算法执行人脸检测与识
360Java边缘计算
项目包含垂直领域智能问答与Agent能力接入两大模块。垂域问答支持企业知识库解析、语义检索、答案生成及来源溯源;Agent模块支持工具调用、任务规划、流程编排和多轮交互,使平台从“只能回答问题”升级为“能够理解需求并执行具体业务任务”。
200Torch人工智能
*实现基于LRU的高效缓存淘汰机制*支持Key-Value数据快速查询、写入、更新与删除*核心读写操作保持平均O(1)时间复杂度*支持缓存容量控制及自动淘汰*支持缓存命中、未命中及淘汰状态统计*对重复写入、缓存未命中、容量边界等异常场景进行完整处理*提供统一CacheAPI,降低上层业务与底层数据结
330C++开发工具
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
当前共289个项目more
×
寻找源码
源码描述
联系方式
提交