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。
项目包含四个核心模块:(1)多姿态站立恢复:针对俯卧、仰卧、侧卧、贴墙等多种初始姿态训练统一的恢复策略,输出连续关节轨迹,使机器人从任意倒地状态恢复到稳定站立;(2)课程学习训练:按初始姿态难度、地面高度、外力扰动分阶段递增训练难度,解决「一次性给最难姿态导致策略塌缩」的问题,显著提升训练收敛稳定性
1640C++机器人
1.汽车配件商城的询价查询,有车架号可以自动搜对应的peijian2.skill上传打包,支持多agent调用3.实时轮训报价情况,多个商家对比价格,推荐最优地区
1390Torch人工智能
千雪是一个多进程、多服务架构的跨平台AI智能体系统,核心是分层解耦与可扩展性设计:①服务拆分——主系统(FastAPI)、独立记忆服务、心跳服务、语音服务(STT/TTS)与Web管理台各自独立进程,经统一消息路由串联;②分层记忆数据流——感知层→体验/信息双轨长期记忆→梦境巩固(L0→L1→L2)
1221Python人工智能
声音分离开源项目
功能模块可以直接看代码。实现的效果分离出来的声音是15.6db。将声音就分离出来了,使用的是双数剧的对抗的方式来驱动。效果还行,如果再往上提的话就需要扩展数据规模
460Torch音视频多媒体
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
1570Python人工智能
miniLLM开源项目
MiniLLM是一个使用Python和PyTorch从零实现的小型Transformer语言模型教学项目。项目围绕“数据处理—分词器训练—Transformer预训练—文本生成—监督微调—评估与性能分析”构建了一套完整的小型语言模型流水线。它主要用于帮助学习者理解语言模型的核心工作原理和训练流程,而
830Python人工智能
与BAAI合作,在沐曦C5508节点64卡上完成Qwen3-0.6B、Qwen3.5-35B-A3B、Qwen3.6-35B-A3B、Qwen3.6-27B-Dense、DeepSeek-V3-16B-A3B、DeepSeek-V4-flash-243b在训练框架上的适配与优化工作,修复代码经甲方审
560Torch人工智能
基于Wav2Lip模型开发的音频驱动数字人唇形同步工具,输入单张人物图片与语音音频,即可自动生成口型与音频精准匹配的数字人说话视频,人物眉眼、头部等其余面部区域保持自然静态,适用于短视频制作、数字人播报、课程配音、虚拟解说等场景。1.核心算法:基于GAN生成对抗网络架构,通过提取音频梅尔频谱特征驱动
1860Python开发工具
框架采用Supervisor/Executor双LLM角色架构:Supervisor从SQLite规范化状态恢复任务租约并做单次决策,Executor在类型化任务内执行有界回合,每轮freshepisode、不依赖会话记忆。确定性代码负责范围校验、任务租约、trace级证据溯源(每条观察必须落到命令
5340Python网络安全
本项目在SpaceRoboticsBench(SRB)与IsaacSim之上,基于NVIDIAGR00TN1.6-3B,实现了面向空间碎片捕获的视觉—语言—动作(VLA)全链路系统,另含一条移动强化学习副线。系统功能自下而上分四层。仿真环境层自研OrbitalManipulationEnv,组合SR
1640Torch人工智能
##它解决什么多数「知识库」先切向量再找相似段。KSASNT走的是另一条路:**用上下文工程管住整段阅读预算**——先判断这篇是否值得读,再按块抽取与问题有关的句子,去重合并,最后作答并回写`[文档:行号]`。适合已经落在本地的制度、手册、纪要、技术说明,而不是公开网页搜索。---##处理链路![从
1130Python人工智能
紧凑型本地多智能体运行时·纯Python实现·OpenAI兼容接口·内置ReAct循环、多Bot团队并发、流程定制、工具调用、安全沙箱、上下文管理与NiceGUI桌面前端。不依赖LangChain/LlamaIndex,可在离线/内网环境稳定运行。
920Python人工智能
零样本时序预测桌面工具。把的价格序列交给GoogleTimesFM,得到未来路径、分位区间,以及可核对的回测指标。取数→预测→判断这条路径值不值得信。
850Python人工智能
paddel2onnx开源项目
Paddle2ONNX工具链研发模块:负责底层算子编译与图优化,支持模型在ONNX与Paddle之间的相互转换。系统支持算子裁剪、算子融合等高级优化策略,能够有效缩减模型体积并提升推理速度。该模块覆盖面广,支持主流图像分类、检测、分割等视觉模型的平滑无缝转换,极大丰富了Paddle模型在外部生态的适
1130Torch人工智能
1.项目具体功能模块项目主要包含:多模型预测结果读取与处理模块、GoldenTask标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持Voting、SML、Dawid-Sken
1010Torch人工智能
在机器学习金融时间序列研究中,若只依赖于股价回归训练,模型容易吸收复权制度差异与短期交易噪声,使得事件信息含量与制度性尺度变化难以区分,导致回测失真;因为股价本身并不是时间序列,而是由事件驱动而导致的连锁反应。为了研究事件对股票市场的连锁反应的主要因素,以及什么方法更能捕获事件对股票市场的驱动能力,
1490Python人工智能
边界笔记开源项目
Markdown服务端渲染:GFM、脚注、目录锚点、自定义指令白名单Shiki服务端语法高亮,light/dark双主题一次生成KaTeX数学公式、Mermaid图表(内联SVG,无客户端运行时)文章修订历史、乐观锁、软删除定时发布:到点由调度容器触发,事务锁保证不重复发布分类、标签、系列(专栏)三
1270Docker内容平台
Ozon商品证据采集通过浏览器桥接采集原商品页面保存标题、属性、图片、包装等客观资料支持失败重试、重新采集和替换选品1688供应商采集采集供应商商品、规格、价格和包装信息支持人工打开页面补采供应商缺失时只阻塞对应商品真实SKU锁定按颜色、尺寸、套装、数量锁定准确SKU唯一SKU可以直接锁定SKU歧义
2480Caffe人工智能
FSDBCClassifier: 开源项目
本项目是面向稀缺样本条件的双组学乳腺癌亚型分类系统,包含以下功能模块:(1)TCGA数据工程管线。解析TCGA-BRCA原始数据,包括RNA-seqRSEM归一化表达、甲基化芯片Beta值与临床数据;完成同一患者多样本优先级配对、缺失值填充与高方差特征筛选,保留2000个基因与5000个CpG探针;
1210Torch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
1830C++智能硬件
当前共102个项目more
×
寻找源码
源码描述
联系方式
提交