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。
NeuralConstructor产品系统
1.项目与文件管理模块:提供项目工作区、文件浏览器和文本编辑器,统一管理工作流、代码、模型及输出文件。支持文件变更监听和未保存草稿的断线恢复。2.可视化工作流编排模块:通过节点与连线组织数据处理、模型调用和结果输出,支持参数配置、类型化输入输出、撤销重做,以及条件分支、循环和嵌套子图。支持图形与YA
220Rust人工智能
项目包含六个功能模块:1.数据管线:DIV2K800张2K原图预切为480×480图块(共12,610块),支持随机裁块与三尺度(×2/×3/×4)LR生成,读取由解码整图改为读小块,单步迭代从0.86s降至0.092s。2.生成器:SRResNet(16个残差块+PixelShuffle上采样)与
170Python人工智能
1.遥操作数据采集:基于LeRobot主从臂方案录制示范数据,支持双路相机(腕部+正面,640×480@30fps)同步采集,数据自动编码为视频格式存储,可扩展至多任务数据集。2.模仿学习训练:以smolVLA轻量级VLA模型为策略,语言指令条件化训练(如“将E方块抓入白框”),支持从checkpo
170C++机器人
1.资产与远程巡检:服务器资产管理(连接测试/批量检查/文件扫描),一键下发巡检脚本远程执行,支持深度查毒,报告自动入库出结构化发现项。2.应急响应(LiveResponse):定向补证命令组(账号/登录/持久化/网络/进程)+自定义路径列举,凭据用后即弃不落库。3.IOC狩猎:基于AC自动机在全网
150Caffe企业服务
1.多源告警接入:对接360本脑/NDR、山石WAF、天融信IPS、绿盟WAF、奇安信WAF、微步SIG情报、幻阵蜜罐等设备,syslog/API桥接归一化入库。2.AI智能研判:大模型自动研判告警,输出判定、风险等级、置信度与处置建议;支持白名单前置过滤、多平台实时研判、多模型容灾切换。3.自动封
160Caffe企业服务
-人员检测与局部识别:定位画面内人员,裁剪人体区域二次识别,识别手机、安全帽、防护服装等目标-行为分析:结合人体关键点、目标相对位置,识别疑似玩手机等违规行为-防护用品核验:结合颜色特征、局部目标、作业上下文,辅助判断防护装备佩戴状态-多帧时序校验:绑定同一个人员ID,滑动窗口投票,降低单帧误检波动
250Python人工智能
本监测方案由杆用感知终端、线用边缘计算网关设备和物联微服务平台组成。感知终端其中以MT7628+MT2503CPU为处理芯片、WIFI模组、雷达模组、RFID模组(温度标签)、天线单元、双摄像头、北斗定位模组、太阳能板、音频喇叭和麦克风组成的。线用边缘计算网关以RK3568主控芯片,将一组感知终端采
280C人工智能
系统包含6大功能模块:(1)多模态文件上传与解析器,支持PDF论文、CSV测井数据、SVG地震剖面、TXT背景材料;(2)多智能体编排(orchestrator、literature_mining、geo_expert、data_profiling、hypothesis_generator、crit
380Python人工智能
可视化的图形展示k线的走势AI分析股票趋势模拟投股AI自动真实投股市场状态识别与指标筛选:采用“硬计算+规则分发+LLM裁决”的三层架构,通过RegimeDetector识别趋势市、震荡市、高波动市,并基于历史K线对各类指标进行胜率回测;根据当前市场状态动态筛选高可信指标,减少无关指标和噪音数据对模
540Python人工智能
ACIS产品系统Vibe Coding
ACIS(AgriculturalCognitiveIntelligenceSystem)是一个面向温室作物病害咨询的多阶段AI系统工程原型:把一次自然语言问诊拆成“感知→记忆→专家→辩论→Critic→Judge→审计”的可追溯流程,输出诊断、置信度、风险等级、行动建议与证据链。默认使用规则裁决,
490Python人工智能
本项目面向定制AI芯片,完成TensorFlow、PyTorch框架适配,打通模型训练与推理在定制硬件上的工程链路。主要功能模块包括:(1)编译图优化模块:基于TensorFlowXLA/HLOPass机制,落地常量折叠、代数化简等图优化,并支持新增适配业务的自定义Pass;(2)自定义算子模块:支
410C++人工智能
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
系统含五大模块:①批量预标注引擎:基于本地大模型对62706条评论完成情感、ABSA、意图、原因、质量分五类任务自动标注,速度0.45秒/条;②清洗护栏模块:四道白盒规则闸自动拦截幻觉、越界、格式错误;③数据台账模块:全量数据唯一键管理,抽样登记,杜绝重复漏标;④模型微调模块:LoRA微调训练与GG
780Python人工智能
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
1、项目包含以下核心功能模块:视频动作模型(VAM)模块、动作条件视频仿真器(ACVS)模块、测试时计算(TTC)推理模块、低质量动作修正(LAR)模块、多源异构数据训练管线。2、主要功能描述:VAM模块以共享视频扩散骨干网络(Wan-2.2-TI2V-5B)为基础,接收多视角观测、语言指令和机器人
620C++人工智能
1.支持打开本地PDF,也可通过URL下载PDF;将文档页面渲染后在桌面界面中预览。2.可在页面上创建、移动和调整区域框,选择需要处理的文字或图文区域;保留区域位置及页面信息。3.提供可配置的处理流水线:裁剪图像、调用TesseractOCR识别文字、按段落或句子整理识别结果,并处理断行连字符。4.
2000Python人工智能
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
1260Python人工智能
1.信号预处理:对原始振动信号进行去趋势、滤波和重采样。2.时频分析:采用短时傅里叶变换、同步压缩变换获得高分辨率时频图。3.多谐波转速跟踪:利用多个转频谐波作为锚点,联合估计瞬时转速曲线。4.风险门控:自动识别谐波混淆、强噪声等高风险时段,切换稳健策略,避免估计跳变。5.性能评估:输出转速曲线、误
1030Python工业互联网
项目围绕「AI科普视频公司」搭建多Agent内容生产流水线,主要模块包括:1)Company/Project/Issue任务编排,基于Paperclip管理AgentRun、Activity、Artifact与Handoff;2)岗位Agent:ResearchDirector、ScienceRes
830Python人工智能
1:标准尺度物体重建:depthsanythingv3输入多目相机外参可以生成metricdepths,然后多目图片通过sam3语义分割再通过mvsam3d可以重建出物体,再通过metricdepthspointclould即可缩放到正确的尺度.2:handshapeandposerecon:先对采
680Torch人工智能
当前共156个项目more
×
寻找源码
源码描述
联系方式
提交