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。
本项目面向停车场沙盘展示与行业应用场景,构建了一套集智能感知、自动计费、数字孪生可视化于一体的智慧停车场系统,实现停车场运行状态的实时感知与虚拟映射。系统以“真实停车场→数据驱动→虚拟三维场景实时还原”为核心设计理念,兼顾业务实用性与展示效果。
510C++人工智能
工业级本地OCR引擎:深度集成PaddleOCR框架,专门针对RTX5080的TensorCore进行了CUDA加速优化,在复杂动态背景下的综合识别率达99%以上。LLM级智能语义翻译:后端对接Claude3.5Sonnet级别的长文本处理能力,支持SSE流式响应。翻译结果不仅准确,更具备学术和商业
340Caffe人工智能
项目首先基于YOLOv11算法构建高精度电路图元件识别模型,实现电阻、电容、电感、开关管等核心元件的快速定位与方向属性精准判断,解决传统人工解析效率低、方向判断误差大的问题;随后通过标准化中间表示层与模板引擎技术,将识别后的拓扑信息自动映射为可执行的仿真文件,实现从电路图到仿真模型的自动化生成。
470Python人工智能
智慧安防实时监控平台是一款基于Qt与FFmpeg技术开发的跨平台视频监控管理系统,支持集成多路RTSP/RTMP/HTTP等流媒体协议,具备实时视频预览、云台控制、智能报警事件订阅、录像计划与回放、电子地图联动等功能。平台支持AI分析标签叠加、人脸检测框绘制、多画面轮询、远程设备管理,并可通过Onv
501Python人工智能
1、基于深度神经网络的reid技术​1.1)采用局部信息对齐技术进一步提高精度​1.2)Top1识别率达到89%,Top3达93%以上​,即匹配结果在前三名识别率93%1.3)自动区分幼体和成熟体,幼儿未发育完整,无明显特征,统一归为一类,一般通过其母进行跟踪2、QT开发的桌面软件通过XXX部海YY
480Python机器深度学习
AI图片编辑产品系统
本软件是一款集成了多项尖端AI算法的智能图像处理平台,主要核心功能如下:AI超分辨率重建:基于深度神经网络,将低清老照片或小图无损放大至4K/8K级别,智能修复噪点并重建缺失的纹理细节。智能擦除与修复(Inpainting):用户只需简单涂抹,AI即可精准移除画面中的路人、水印或杂物,并自动填充自然
620C++云计算
本文设计且实现了基于CNN和YOLOv8深度学习模型的脑肿瘤自动检测体系,且比较了两个模型在检测准确率等性能方面的表现,目标是提高医学图像里脑肿瘤识别的准确率及效率。本文挑选了公开的脑肿瘤图像数据集,完成了数据清洗、标注相关操作,然后依据轻量级CNN和YOLOv8模型实施训练,选用了恰当的超参数,且
290安全测试人工智能
1. 大数据爬虫与智能筛查模块该模块通过大数据爬虫技术,自动采集与筛查校园安全、交通等领域相关的多模态数据,提供高质量的训练数据和分析结果。利用深度学习算法对采集的数据进行智能筛查和分类,为后续的监测系统提供支持。2. 计算机视觉与模式匹配模块该模块主要通过计算机视觉和模式匹配技术,实时分析视频流中
1180C++人工智能
项目围绕危险品运输全场景风险感知,设计四大核心功能模块,实现多维度风险要素的协同检测与预警:轻量化目标检测与前向碰撞预警基于优化后的YOLOv7-tiny+Shufflenet模型,在COCO数据集上完成行人、车辆、自行车等道路目标检测;通过简化卷积层(三层变一层)、剔除高度占比<10%的误判标签,
700Torch人工智能
SAMGeo产品系统
数据集预处理:可对大幅遥感影像进行裁剪与增强,并自动生成相应的点提示数据。模型微调:在预训练的SAM模型基础上,通过冻结部分参数,定制化微调用于特定分割任务。自定义损失函数:将BCE和DiceLoss相结合,从而提升分割精度和稳定性。预测模块:基于微调后的模型对新图像进行分割预测,并计算相关性能指标
440C人工智能
数字网格长产品系统
数字网格长系统是一款AI驱动的智能化管理平台,针对网格管理痛点设计,优化晨会交班流程。通过集成语音识别、人脸识别、数字人、大语言模型(LLM)、TTS及向量数据库等技术,实现内容准备到执行的全自动化,支持管理端、应用端、微信服务号及第三方会议系统集成,提升效率和信息透明度。1.管理端功能管理端提供数
790Java人工智能
自动移动、聚焦采集清晰的图像。自动拼接图像。自动识别图像中的微粒。识别结果体现到拼接图上,有直观的认识,也方便人工复核。计算微粒的大小。根据客户设置统计不同大小种类的数量。可选手动控制采集图像、查看影像。数据按日期查询、按任务查询、导出数据报表。根据客户设置自动删除过期数据。查询人员操作日志。账户管
570C++医疗健康
核心功能模块包括数据处理模块、知识检索模块、模型训练模块、预测与评估模块、支撑功能模块。主要功能描述:数据处理模块支持Excel/CSV与JSONL格式自动转换,完成数据清洗、无效样本过滤及按题型比例拆分训练/验证集;知识检索模块实现知识库标准化处理、高维向量生成与FAISS索引构建,精准匹配“问题
1100Python人工智能
候选Token生成:轻量模型快速生成推测序列,耗时仅为大模型的1/10;批量验证:大模型一次验证多个Token,减少大模型调用次数;回滚修正:保证最终生成结果与大模型原生输出完全一致,无质量损失;推理加速:整体生成速度比传统逐Token生成提升50%以上;成本控制:减少大模型的Token计算量,降低
920Python人工智能
遥感影像分类产品系统
本研究致力于设计与实现一套基于深度学习的遥感影像分类识别系统,旨在通过先进的算法与桌面应用程序的结合,提供高效、准确且用户友好的识别系统,为自然资源管理、环境监测等领域提供智能化解决方案。具体内容安排如下:1.高精度遥感影像分类算法选型与适应性优化:调研并对比分析当前主流的图像分类算法,如深度学习中
870Python人工智能
1.流量监控与异常检测模块实时采集网络流量数据,采用国产LLM进行多维度特征提取(协议类型、数据包大小、会话频率等),通过预训练行为模型识别DoS、端口扫描等异常流量模式,支持TCP/UDP/ICMP等协议深度解析。2.历史数据报告模块基于系统检测日志数据,结合LLM的时序分析能力,自定义周期的安全
1440Python开发工具
智能裁判系统产品系统
1、通过高清摄像机的监测,运用深度学习算法的目标检测技术,实现学员人脸识别、安全帽佩戴识别、绝缘手套佩戴识别、绝缘鞋(靴)穿戴识别、工作服穿戴识别、危险区域进入检测、人员倒地检测和工作区域抽烟检测功能。2、通过工业摄像机的监测,运用深度学习和工业测量等方法,实现导线识别、水平度、垂直度、线间距、漏铜
1150Caffe人工智能
项目核心功能模块本系统包含四大核心功能模块:1.智能舌象采集与预处理模块自动舌体分割功能:基于YOLOv8/v11深度学习模型,自动识别并分割舌体区域,去除背景干扰图像标准化处理:统一图像尺寸(224×224)和色彩归一化,确保后续分析的准确性多样化数据增强:支持随机旋转、颜色抖动、MixUp/Cu
1940Torch人工智能
图像处理程序产品系统
以目标检测为例:1.对监控摄像头或工业相机采集的图像进行几何变换、直方图均衡、图像分割等预处理2.对预处理的图像进行基于深度学习的模型推理,检测是否含有目标对象3.如果检测出目标对象,标记框选检测到的目标对象4.收集更多实际应用场景中的图片,进行深度学习训练5.使用训练好的模型进行推理检测,提高检测
1080Python项目任务
医用PVC卷材在线实时缺陷检测主要功能如下:1、2个8K高速线扫相机,最宽可以覆盖2m的产品;速度最高60m/min2、配方管理,方便客户快速切换型号3、友好的参数调整界面,方便客户快速调整算法准确度4、历史数据存储&查询功能,轻松追溯历史数据5、使用神经网络(Resnet)进行缺陷分类
1610C++机器深度学习
当前共24个项目more
×
寻找源码
源码描述
联系方式
提交