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。
faceSR产品系统
1.内嵌人脸质量判断模型,由于输入质量很差时,生成模型也无法挽救,所以需要有人脸质量判断模型筛选出质量差的图像,跳过算法,以免导致ID失真的风险。2.对于可以挽救的低质量的图像,利用基于codebook的网络模型,结合输入的人像图像和高清的人脸codebook,对人脸畸变部分进行修复,同时提高图像的
70Torch人工智能
1.图像采集:相机触发/同步采集,支持产线节拍对接与图像预处理(ROI、校正、增强)。2.缺陷检测:基于深度学习模型推理(边缘侧ONNX/TensorRT加速),输出缺陷类别、位置与置信度。3.服务接口:FastAPI提供检测接口与任务管理,便于与上位机/MES对接。4.可视化看板:Vue3看板展示
180Python机器深度学习
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
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
软件设置导入与核对、经营分析两个操作入口,支持按品牌与日期查看数据。看板集中展示有效支付订单、当日预约订单、预约率、退款事件比例与退款金额,并说明预约率统计口径。进一步展示销售与预约趋势、购买后预约时效、退款原因、购买至退款间隔和退款发生时段;按商品查看支付订单、销售金额、预约率与退款事件,辅助比较
190Caffe企业服务
-火焰识别:检出疑似火焰区域,结合颜色、轮廓、亮度动态闪烁特征做多帧复核-烟雾识别:依靠低饱和度、纹理扩散、边缘衰减、漂移变化等时序特征识别-焊接电弧识别:基于强光区、电弧色彩、火花动态特征,结合附近人员信息辅助判定-干扰过滤:针对固定灯光、金属反光、静态暖色物体、过曝亮斑设置过滤规则-结果输出:告
290Python机器深度学习
-多边形自定义电子围栏:支持任意形状区域绘制,判定人员是否进入围栏范围-人员定位优化:优先使用脚部关键点/人体框底部中心点判定,减少检测框重叠带来的误判-目标轨迹追踪:绑定人员ID,持续跟踪移动路径,区分路过、闯入、滞留-场景联动条件:可搭配其他目标状态,为不同围栏配置差异化判定逻辑-告警状态管理:
250Python人工智能
-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
SuiXuAi的功能围绕“项目化视频生产”展开,主要包含以下模块。项目管理与分集规划。以项目为单位管理小说、文案和创作目标,支持自动拆集、生成分集大纲和剧情节拍,帮助团队把长文本拆成可执行的生产单元。剧本与分镜编辑。支持文案转剧本、剧本转分镜表,提供人工修改、内容锁定和版本对比能力。分镜表是后续资产
330PHP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
技术架构:基于Python、PyTorch和YOLO构建目标检测算法框架,结合OpenCV实现图像与视频处理,利用CUDAGPU加速模型训练及推理。数据处理:负责图像数据整理、目标边界框标注、数据集划分及数据增强,采用随机缩放、翻转、颜色扰动等方式提高训练数据多样性。模型开发:基于YOLO系列目标检
280Torch人工智能
本人负责医学图像分割算法设计、数据预处理、深度学习模型开发、训练优化、实验评估及结果分析等核心工作。技术架构:基于Python、PyTorch、MONAI构建医学图像分割框架,结合OpenCV、NumPy实现图像处理,使用CUDAGPU加速模型训练与推理。数据处理:完成医学图像读取、尺寸统一、归一化
230Torch人工智能
项目名称:基于PyTorch的深度学习视觉智能分析系统项目介绍:本项目围绕计算机视觉与深度学习技术,设计并开发智能视觉分析系统,支持图像分类、目标检测、语义分割等核心算法任务,可面向不同业务场景进行模型定制、训练优化与推理部署。核心技术:深度学习框架:PyTorch、TorchVision计算机视觉
260Torch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
6大功能模块:(1)视频管理,支持MP4/AVI上传删除列表、智能分类、实时骨骼连线标注与角度叠加;(2)骨骼识别,YOLO17关键点检测、MySQL持久化、CSV角度时序导出;(3)角度/动力链计算,手肘、膝、肩等多关节5维追踪与NBA球星模板匹配;(4)AI建议,规则引擎+可选QwenLLM生成
451Python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
当前共733个项目more
×
寻找源码
源码描述
联系方式
提交