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。
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
支持设置素材目录、输出目录、生成数量、视频比例及成片时长;可粘贴现成文案,也提供按文案框架生成的入口。生产配置包含自动字幕、AI配音及背景音乐开关,任务队列展示文件名、时长、完成状态与整体进度,并提供成片预览区域。素材管理支持优先使用未使用片段、结合历史记录控制重复使用,以及调整镜头变化强度。文案框
300Caffe人工智能
本项目是一套面向A股市场的多策略量化模拟交易系统,支持在真实交易时段按规则自动选股、模拟买卖与持仓管理,不接入实盘资金。系统内置打板、龙头、趋势、波段、题材轮动、超跌、地量、均线回踩、高位强势、涨停潜伏及智能选股等多类策略,可并行运行并独立核算账户收益。核心能力包括:本地日线与盘中行情更新、候选股池
370Java人工智能
功能模块:①大厅/建卡/对局三页(React+Vite+TypeScript);②建卡智能体辅助创建调查员;③KP主图编排(router/await_roll/roll/narrate/combat/resolve等);④确定性规则引擎(骰点、成功等级、伤害、SAN,禁止LLM编造数值);⑤人机协作
670Python人工智能
系统包含六大功能模块:1.对话与任务中枢:浏览器访问本地端口即用的三栏界面(对话区、工具过程区、产物区),SSE实时流式推送思考、工具调用与产物,任务可随时中止。2.Agent执行引擎:自研functioncalling主循环,工具schema全量下发、模型自主决策,支持最多25轮回环与错误自愈,内
620Python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
通过YOLO实现目标识别与位置计算,带多目标锁定优化使用远程服务器进行激活码校验,同时有完善的后端管理可视化页面通过PID及自研算法完成移动输出计算,有移动平滑及反轨迹识别机制通过鼠标自动化盒子接口完成鼠标移动操作通过运行时加载功能实现主应用与敏感功能分离,避免文件识别应用多种数据传输方式,如TCP
700C#游戏
系统包含视觉检测、串口通信、二维云台控制和状态反馈等功能。K230视觉模块实时检测目标并输出像素坐标;STM32主控通过USART1接收数据,并使用单字节中断和状态机完成报文解析;水平轴和俯仰轴分别由独立定时器的PWM通道驱动,根据坐标偏差计算舵机调整量,并通过死区和限幅减少抖动。主循环采用非阻塞分
740Python智能硬件
本项目实现了一套面向稀疏奖励任务的强化学习算法与实验系统。BEQ双向经验队列分别保留近期探索经验和高价值成熟经验,使智能体兼顾探索与利用;PGM优先级门控在梯度更新前评估并筛选训练样本;主体采用离散动作SoftActor-Critic,包含双Critic、目标网络和熵正则,可适配三十六方向等离散动作
450Python人工智能
本项目实现了一套移动机器人异构协同导航算法系统。DN3模块使用十维相对状态和三十六方向离散动作空间,负责未知环境中的局部避障;GBMR模块将状态—动作经验写入图结构,通过近邻检索、价值更新、聚类和捷径重构复用成功路径;动作融合层根据局部安全性和全局引导结果生成最终动作。系统还包含静态、动态和实物平台
580Java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
统分为离线数据流、在线问答流与编排封装三层。1)离线数据流:EPUB解析为结构化章节,规则清洗剔除书目与页眉噪声并合并短句,LLM辅助判定重复内容并输出冲突报告,表格图经OCR转为可检索数据表,按语义边界切片并向量化入库,最终形成4055条1024维向量。2)在线问答流:用户问题经查询改写后进行向量
490Python人工智能
Texor是一款基于大语言模型与AIAgent技术的智能学术论文写作平台,采用PDF可视化交互方式,将传统的代码式论文编辑转变为直观的文档标注与自然语言交互。主要功能包括:1.PDF可视化编辑:用户直接在PDF论文页面上选中、标注需要修改的内容,无需手动查找和编辑LaTeX源代码。2.自然语言修改指
990JavaScript开发工具
处理原始图像标注,完成数据集清洗与样本筛选,校验并修正TOMIE自带的原始标签,结合数据增强划分训练集与验证集;对YOLOv5、YOLOv8开展训练、微调与超参调试,针对仓储环境里实体遮挡、物体部分出界等问题调整训练方案,支持图片、视频的目标推理,输出检测框、类别及置信度,统计mAP、精确率、召回率
780Torch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.
2030Python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
1280Python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
1040Python工业互联网
T2S-MotionTok是一个基于离散动作标记的文本生成手语项目,主要用于将德语文本自动转换为三维手语动作序列。项目采用“文本输入、手语词汇序列生成、动作标记预测、三维姿态解码”的处理流程,结合深度学习和人体动作建模技术,实现从自然语言到连续手语骨架动作的转换,为智能手语生成、无障碍交流和人体动作
1580Python人工智能
当前共209个项目more
×
寻找源码
源码描述
联系方式
提交