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
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
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
1.项目包含三大核心功能模块:①目标检测模块——基于轻量化YOLOv5模型实现人脸及5类日常物品(凳子、键盘、杯子、手机)的实时检测与定位,输出边界框坐标、类别标签及置信度分数;②人脸识别子模块——基于检测结果提取人脸区域特征,实现指定人脸库的身份匹配与识别;③实时视频流处理模块——调用树莓派CSI
1030Torch人工智能
具有视觉检测功能,触觉感知,同时视觉触觉感知融合(特征级融合)去综合性判断裂纹的坐标,长度,宽度,深度,最终能够输出检测到的裂纹尺寸以及位置以及置信度等等。但是由于触觉感知的代码以及感知融合的部分的代码有保密条例,不能公开,下方提供的仅仅是视觉部分的代码以及操控CNC与推杆控制传感器进一步检测的部分
860Python人工智能
面向无人机追踪的视觉系统在安防等领域具有重要应用价值。但高空视角下目标微小且密集,对检测算法的定位精度要求较高。同时,嵌入式平台受限于算力与带宽瓶颈,难以满足复杂深度学习模型的实时推理需求。在传统部署中,全量INT8量化易导致微小目标定位精度下降,而全量FP16推理则面临系统帧率过低的问题。针对上述
860C++智能硬件
车牌识别服务开发说明书适配平台:JetsonNX/RK3576核心算法:YOLO26n-OBB(旋转车牌检测)+CRNN(字符识别)数据流框架:GStreamer硬解码+两级环形缓冲池关键特性:原始帧不覆盖、camera_id全链路透传、低延迟、高可用、双平台通用目录文档概述整体架构模块功能说明数据
740C++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
650C++人工智能
OpenClawESP32Bridge—一个ESP32-S3与AIAgent之间的全语音交互中间件。ESP32通过HTTPPOST发送音频/文本到Python后端,服务端完成Whisper语音识别(faster-whisper)→AIAgent对话(OpenClawCLI)→TTS语音合成(edge
1081C人工智能
主要功能模块表格模块 功能CSI数据采集 3个ESP32-S3发送端同步发射WiFi信号,接收端捕获186维信道状态信息视频姿态标注 MediaPipe提取14关节点真值坐标,建立CSI-骨骼映射标签数据预处理 时序对齐、带通滤波去噪、滑动窗口切分,生成(3,186,100)输入张量TCN模型训练
1660C智能硬件
1、完成车载智能陪伴机器人硬件开发与适配,包括机器人主体、车载底座、Type-C供电线、外观配饰、包装及说明书;2、完成与元境智联车机端APP/智能设备APP的适配,实现设备扫描、配对、连接状态展示、表情资源更新、设备管理等功能;3、完成蓝牙/WiFi通信协议、极狐私有IOT控制协议适配及车机鉴权流
2180Taro智能硬件
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
920C++机器深度学习
针对农田中病虫害日渐严重,农药施用混乱的问题,利用基于卷积神经网络的YOLOV11目标检测算法,建立用于监测农田病虫害的智能识别模型,通过轮足式巡检机器人搭载摄像头方法进行实时巡检。
840Torch人工智能
系统包含四大核心模块:1.图像检测模块:基于YOLOv11s模型实现10类水稻害虫实时检测,mAP@0.5达0.8404;2.预警分析模块:集成CropFormer与规则引擎,对虫害等级进行智能评估并推送预警;3.农技咨询模块:本地部署DeepSeek-R1大模型,提供病虫害防治知识问答;4.后台管
1100Python人工智能
当前智能制造、机器视觉、无人机控制、通信信号处理、新能源监测、网络数据采集多领域数字化需求爆发,工业产线质检、交通车辆检测、光伏储能运维、飞行器飞控、高速通信信号优化、网络信息抓取等场景均亟需AI算法与软件配套解决方案。传统单一功能系统通用性差,企业常需多套工具分别处理图像识别、数据采集、设备控制任
930Caffe人工智能
系统构建了一套视觉与近红外光谱深度融合的多模态质检体系。功能层面,支持毫秒级实时采集果蔬外观图像与内部光谱数据,自动完成品种识别、表面瑕疵定位及新鲜度等级判定。通过特征级融合技术,系统能同时捕捉色泽纹理等表观特征与糖度水分等生化指标,输出综合质量评分。检测结果通过标准化接口实时对接产线MES系统,驱
730Python工业互联网
系统划分四大核心功能模块:1.座位预约模块:提供可视化座位地图,支持按楼层、时段筛选预约,可一键取消预约;2.身份签到信誉模块:接入人脸识别签到签退,配套信誉积分体系,违约扣积分、低分限制预约;3.AI违规监管模块:集成YOLOv8图像识别检测占座行为,支持学生违规举报、管理员审核处置;4.数据统计
1420Spring人工智能
1、传感器模块:负责图像数据采集2、感知模块:过滤液留置线线位置检测3、通信模块:tru、modbustcp通信4、控制模块:基于数字信号控制液压缸升降。
1080C++人工智能
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
1030Torch边缘计算
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
1040C++自动驾驶
当前共39个项目more
×
寻找源码
源码描述
联系方式
提交