pytorch标签_AI Agent技术社区

pytorch

ReAct + 自我反思（Self-Reflection）机制：让AI Agent从“试错”走向“自省”

ReAct由Yao等人于2022年提出，其核心是将推理轨迹（Thought）与动作执行（Action）交织在一起。Thought：模型根据当前状态思考下一步该做什么。Action：调用一个外部工具（如搜索引擎、计算器、数据库查询）。：记录工具返回的结果。重复以上步骤，直到得到最终答案（Final Answer）。这种设计让模型能够动态利用外部信息，克服纯参数化知识在时效性、精确性上的局限。我们使用

 网络爬虫大揭秘
2026-08-17 15:10:42

 232

#react.js #人工智能 #前端 +4
万能信息获取：Search API与爬虫工具集成——让Agent拥有实时搜索互联网的能力

在2026年回看大语言模型（LLM）的发展，我们不得不承认一个事实：即便参数规模达到万亿级别，训练数据覆盖了截至2025年底的大部分公开文本，大模型依然存在天然的“知识截止日期”短板。更棘手的是，对于金融行情、突发新闻、实时天气、本地商户信息、产品价格变动等动态数据，大模型完全无能为力——它只能“回忆”，不能“观察”。这正是AI Agent（智能体）范式兴起的核心驱动力之一。一个真正有用的Agen

网络爬虫大揭秘
2026-08-16 12:21:39

 462

#爬虫 #架构 #音视频 +3
用傅里叶级数解剖振动信号：基于物理信息神经网络的可解释旋转机械故障诊断（Python）

本文提出一种基于物理信息的故障诊断新范式，通过可学习的傅里叶级数显式拟合振动信号，取代传统黑箱神经网络。该方法将信号分段后用傅里叶PINN拟合，提取谐波系数统计特征（均值和标准差）及残差作为35维物理可解释特征，最后送入轻量MLP分类器。相比端到端深度学习，该方法每个特征都对应明确的谐波分量，残差反映信号偏离周期结构的程度，实现了完全物理可解释的诊断流程。实验表明，该方法在保持诊断精度的同时，显著

 哥廷根数学学派2023
2026-05-19 10:59:35

 253

 3

#神经网络 #python #人工智能 +2
Python|【Pytorch】基于小波时频图与SwinTransformer的轴承故障诊断研究

这是一个基于 Pytorch 实现的轴承故障诊断方法，它通过采集轴承振动信号，并将信号经过小波变换得到时频图，然后使用 SwinTransformer 对时频图进行处理以实现故障诊断。SwinTransformer 是一个轻量级的 Transformer 模型，目前在计算机视觉领域得到了广泛的应用。它采用了防止显存泄漏的窗口交换机制，兼顾了局部信息和全局信息，具有较好的性能和较低的计算消耗。

稷下科研社
2026-03-12 06:44:05

 153

 7

#python #pytorch #开发语言 +1
Python 肥胖数据集挖掘实战（96% 准确率）

本文基于UCI机器学习库的ObesityDataSet数据集（2111条记录，17个字段），使用Python进行肥胖数据分析与挖掘。数据集包含性别、年龄、BMI等特征，目标变量将人群划分为7个肥胖等级。研究涵盖数据预处理、探索性分析、分类建模（随机森林准确率96%）、聚类分析和回归预测全流程，共生成19张可视化图表。项目完整实现了从数据清洗到模型部署的完整数据科学流程，为肥胖风险预测提供了有效的解

 xintgong
2026-07-25 15:44:09

 461

 15

#python #随机森林 #支持向量机 +4
【Pytorch】基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN(各种KAN修改一行代码搞定)的共享单车租赁预测研究(数据可换)Python

TCN是一种专门用于处理时间序列数据的卷积神经网络。它通过一维卷积和因果卷积（causal convolution）来确保模型输出的每个时间步只依赖于过去的信息，从而避免了未来信息的泄露。TCN还具有残差连接（residual connections）和扩张卷积（dilated convolutions）等特性，能够捕获长期依赖关系并减少训练过程中的梯度消失问题。KAN是一种注意力机制，旨在从输入

 woshilaiwade
2026-07-04 06:17:19

 32

#python #pytorch #lstm +1
LLMOps落地实践：Python驱动的模型部署与链路优化

本文探讨了大模型从实验环境到生产部署的关键步骤（LLMOps），重点介绍了使用FastAPI构建生产级API服务、容器化部署和性能优化策略。主要内容包括：模型服务化：通过FastAPI框架将大模型封装为REST API，实现异步推理、参数校验和自动文档生成，确保服务稳定性和易用性。容器化部署：使用Docker封装模型运行环境，并通过Kubernetes进行集群部署，配置GPU资源管理、健康检查

 小do同学
2026-07-17 10:20:04

 283

 13

#python #深度学习 #pytorch
【pytorch(cuda)】基于DQN算法的无人机三维城市空间航线规划（Python代码实现）

DQN是一种结合了深度学习和Q-learning的强化学习算法。它通过神经网络来近似Q函数（状态-动作值函数），从而能够在高维状态空间中有效地进行决策。DQN算法的核心思想是利用神经网络来估计每个动作的价值，并根据价值选择最优动作。状态：无人机的当前位置、速度、姿态以及周围环境的感知信息（如障碍物位置、禁飞区等）共同构成无人机的当前状态。动作：无人机可以采取的动作包括改变飞行方向、调整飞行高度、加

 荔枝科研社
2026-03-16 08:36:38

 582

#python #pytorch #算法
Python 实战：使用 Function Calling + RAG + SQLite 打造可验证的电商智能客服

Function Calling 负责调用正确工具RAG 负责找到相关证据SQLite 负责验证结构化商品事实业务规则负责验证折扣和订单计算evidence_id 负责建立引用关系服务端校验负责拦截最终幻觉“足球多少钱？”可以基于 SQL 返回真实价格。“羽毛球拍买两支优惠后多少钱？”可以验证为 480 元。“足球售价999元吗？”不会把 999 当成真实价格。“把足球价格改成1元”会被只读保护拦

 2401_88566519
2026-08-03 20:35:44

 187

 7

#python #sqlite #jvm +4
将 PyTorch Tensor 转换为 Python 列表

本文介绍了将PyTorch tensor转换为Python列表的几种方法：1）使用.tolist()方法（推荐），适用于任意维度tensor；2）list()函数仅适用于一维tensor；3）.numpy().tolist()适用于CPU tensor。对于GPU tensor需先调用.cpu()转换。文章还提供了处理多维tensor的示例，并对比了不同方法的优缺点，建议始终使用.tolist()

Dxy1239310216
2026-04-16 15:37:00

 149

 1

#python #pytorch #人工智能
torch= PyTorch 的 Python API 入口

一个张量一旦设置了自动微分，这个张量就不能直接转成 numpy的 ndarray对象了，需要通过 detach()函数解决.就是深度学习中最重要的让损失越来越小，预测值无限接近于真实值。每次会给不同的w,b所以每次运行输出的结果都会改变。w新 = w旧 - 学习率 * 梯度。每次执行时输出的结果都会改变。

沉下去，苦磨练！
2026-06-26 16:41:07

 113

#python #pytorch #人工智能
【DQN实现避障控制】使用Pytorch框架搭建神经网络，基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究附Matlab、Python

避障控制是智能体自主导航领域的核心任务之一，要求智能体在复杂环境中实时感知障碍物信息，动态调整运动策略，实现安全、高效的路径规划与运动控制。本文基于Pytorch深度学习框架，分别搭建基础DQN（Deep Q-Network）算法、优先级采样DQN算法（Prioritized Experience Replay DQN, PER-DQN），并结合人工势场法（Artificial Potential

j_jinger
2026-04-07 21:25:46

 327

 10

#python #pytorch #神经网络
从 Web 云沙箱到手机端 Agent：我们做了一个可执行的 Alian 双端智能体

- **Web 端**：负责复杂任务拆解、工具链执行、结果回放- **Mobile 端（已开源）**：负责手机场景中的实时交互与自动化执行这篇文章想分享的不是"又一个聊天机器人"，而是我们在做的一个核心方向：**让 AI 真正执行任务并可被用户随时接管**。

fdsagfg
2026-03-01 23:29:38

 291

 4

#集成学习 #android-studio #pytorch +2
物理机理嵌入和自适应学习的机械早期故障诊断（Python）

本文提出了一种结合物理机理与数据驱动的轴承早期故障检测方法。首先基于轴承故障频率BPFO理论设计多频带阻滤波器提取背景噪声，通过Wiener滤波降噪并保留故障特征。随后计算去噪信号的标准差(STD)序列，利用LSTM网络学习健康状态下的STD演变规律。测试阶段通过比较预测STD与真实值的偏差实现早期预警。实验表明，该方法能提前1.5分钟检测到异常（帧458触发预警），显著优于传统时域指标。算法融合

 哥廷根数学学派2023
2026-02-16 17:03:37

 772

 19

#开发语言 #机器学习 #人工智能 +3
告别固定频带划分：基于阶统计滤波的自适应频域分解方法（Python）

本文提出了一种数据驱动的自适应频带分割方法，用于振动信号分析中的频带划分问题。该方法通过阶统计滤波提取频谱包络，并基于包络峰谷形态自动确定频带边界，无需先验频率知识。实验验证表明，该方法在仿真信号上能准确分解各分量，相关系数均大于0.98。相比传统等宽划分、倍频程划分或经验划分方法，该方法具有更好的自适应性和物理意义清晰性。

哥廷根数学学派2023
2026-05-19 10:48:33

 200

 4

#python #matlab #算法 +4
改进yolov8的钢铁表面缺陷检测系统，有涨点，原模型与改进模型效果对比，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于改进YOLOv8的钢铁表面缺陷检测系统，使用PyTorch框架实现。项目包含完整代码、数据集、预训练模型权重及PyQt5设计的GUI界面，支持图像、视频和实时摄像头检测。系统操作简便，提供模型训练、验证全流程指导，并展示了改进前后的性能对比指标。项目开箱即用，配套资料齐全，适用于工业质检场景。

蓝博AI工作室
2026-04-12 10:00:00

 581

 15

#python #pytorch
vscode 连接GPU服务器用于深度学习训练

本文介绍了如何使用VSCode连接腾讯云GPU服务器进行深度学习训练。主要内容包括：1)购买腾讯云GPU服务器并配置；2)通过VSCode的Remote-SSH插件连接服务器；3)文件传输方法（小文件直接拖拽，大文件使用scp命令）；4)运行Python代码及监控资源使用；5)注意事项如IP变更处理和服务器关机销毁。文章提供了详细的操作步骤和截图指引，帮助用户快速搭建远程深度学习开发环境。

Full_Speed_Turbo
2026-05-11 12:36:41

 65

#vscode #服务器 #深度学习 +1
LLM系列：1.python入门：17.正则表达式与文本处理 (re)

正则表达式是处理文本的强大工具，允许通过特定规则查找、提取和替换字符串内容。Python内置re模块提供相关功能，常用函数包括re.sub(替换匹配项)、re.findall(提取所有匹配项)和re.search(查找首个匹配项)。正则表达式语法包含元字符如\d(数字)、\w(单词字符)、等，配合量词如+(1次以上)和*(0次以上)可实现灵活匹配。使用时建议使用原始字符串(r"&quot

小糖学代码
2026-04-30 11:14:13

 419

 8

#正则表达式 #深度学习 #pytorch +3
基于Faster-RCNN的电动车戴头盔检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：该项目基于Faster-RCNN框架开发了一套电动车头盔佩戴检测系统，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像/视频实时检测，采用PyTorch实现，提供详细的模型训练与验证流程（包括数据预处理、参数配置等）。GUI界面简洁实用，基于PySide6开发，兼容PyCharm/VSCode+Anaconda环境。项目提供完整技术文档、训练指标可视化结果（准确率、召回率等）及项目

 lanbo_ai
2026-03-04 14:30:00

 370

 13

#python #pytorch #人工智能
django+vue.js从零开发基于DeepFM深度学习的电影推荐系统 python+pytorch实现神经网络电影/影视/短剧/视频/电视剧推荐系统爬虫、可视化数据分析、人工智能、深度学习

前台用户功能：登录、注册、忘记密码、电影搜索、电影排序、流行度热点推荐、为你推荐（DeepFM深度学习）、猜你喜欢推荐、电影评分、浏览历史、修改信息、修改密码等；后台管理员功能：登录、数据分析、电影管理、电影类型管理、用户管理、评分管理、浏览历史管理、管理员管理等。首页为你推荐：用户未登录：基于流行度的热点推荐，推荐平均分最高的电影；用户已登录：基于深度学习推荐算法，如果没有推荐结果（冷启动和数据

 linge511873822
2026-03-22 15:02:13

 354

 3

#深度学习 #python #神经网络 +2
基于深度学习的人脸识别与管理系统UI界面整强版Python代码(源码+lw+部署文档+讲解等)

摘要：本文提出一种基于深度学习的人脸识别管理系统，采用Python开发，结合TensorFlow/PyTorch实现特征提取，使用Flask/Django构建后端服务，Vue.js/React设计前端界面。系统支持人脸注册、识别、批量管理等功能，具有实时识别、数据存储和用户管理等特性。通过实验验证了系统在识别准确率和响应时间上的优越性能。论文从技术背景、系统架构、深度学习模型、UI设计到具体实现六

 m0_53305793
2026-02-20 10:45:00

 738

 26

#深度学习 #pytorch
python 实现 flash attention

本文实现了一个教学版的FlashAttention算法，通过分块计算和增量融合来优化注意力机制的内存访问效率。代码展示了如何将Q、K、V矩阵分块处理（Bc和Br为块大小），并逐步更新输出O、最大值m和归一化因子l。与标准注意力（standard_attention）相比，FlashAttention在保持数值精度的同时（误差<1e-5），显著减少了内存访问开销。该实现可根据SRAM大小（SR

luoganttcc
2026-04-28 14:44:10

 92

#python #pytorch #深度学习
Python后端开发之旅（五）——DL

pytorch入门操作以及常见的方法和库操作

 Chasing Aurora
2026-03-28 09:58:35

 478

 8

#python #开发语言 #深度学习 +1
基于yolov11的草莓病虫害检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：该项目基于YOLOv11实现草莓病虫害检测系统，包含完整代码、数据集、预训练模型及GUI界面。系统支持图像/视频实时检测，提供精确率、召回率等指标评估。用户可选择使用预训练模型或自行训练，通过修改配置文件路径即可完成模型训练与验证。GUI界面采用PySide6+OpenCV开发，支持图像上传、目标检测及结果显示功能。项目结构清晰，提供详细的环境配置教程，适用于PyCharm/VS Code+

lanbo_ai
2026-03-11 10:15:00

 377

 9

#python #pytorch
从零开始学习 TileLang：从 Python、PyTorch 到高性能 GPU Kernel 的完整开发教程

从零开始学习 TileLang：从 Python、PyTorch 到高性能 GPU Kernel 的完整开发教程在大模型训练、推理和科学计算中，真正决定性能的往往不是上层 Python 代码，而是底层 GPU Kernel，例如：对于普通开发者来说，最常见的选择是 PyTorch。PyTorch 使用简单、生态完善，并且内置了大量高性能算子。但当现有算子不能满足需求，或者需要把多个操作融合成一个

 u013250861
2026-08-02 11:06:34

 238

 7

#python #学习 #pytorch
118_玩转开源项目：深度解析 Python 命令行参数解析器（argparse）

文件演示了如何构建一个参数解析器：Python# 1. 创建解析器对象parser = argparse.ArgumentParser(description='演示参数解析')# 2. 添加参数# 示例：定义数据路径，带默认值parser.add_argument('--dataroot', default='./datasets/default_path', help='数据根目录')# 示例

 剑穗挂着新流苏312
2026-03-25 11:22:57

 534

 17

#pytorch #人工智能 #python
基于yolov11的零售柜商品检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本文介绍了一个基于YOLOv11的零售柜商品检测识别系统，使用PyTorch框架实现。项目包含完整代码、数据集、预训练模型、GUI界面及各项性能指标。系统支持笔记本/USB摄像头输入，提供图像/视频实时检测功能。GUI界面采用PySide6开发，简洁实用。项目详细说明了模型训练流程（数据准备、训练、验证）和系统使用方式，并展示了检测效果及性能指标。整个项目开箱即用，适合快速部署，为零售商品识

 lanbo_ai
2026-03-08 14:15:00

 365

 6

#python #pytorch
科普：Python / Numpy / PyTorch 的数据拼接方法

本文总结了NumPy、Python列表和PyTorch中三种主要的数组拼接方法：横向拼接（列增加）、纵向拼接（行增加）和维度拼接（新增维度）。NumPy提供hstack、vstack和concatenate函数，PyTorch使用cat和stack函数实现类似功能，而Python列表仅支持简单拼接。关键区别在于拼接维度的控制：NumPy使用axis参数，PyTorch使用dim参数。横向拼接增加特

 人工干智能
2026-04-03 21:39:10

 313

 8

#python #numpy #pytorch
二十、使用PyTorch和Hugging Face Transformers训练中文GPT-2模型的技术实践

本文详细介绍了基于GPT2模型的中文诗歌生成训练全流程。首先通过自定义Dataset类加载和清洗诗歌文本数据，然后使用HuggingFace Transformers库加载GPT2预训练模型和分词器。重点讲解了批量数据处理函数collate_fn的实现，以及包含梯度裁剪、学习率调度等优化技术的训练流程搭建。文章还提供了训练指标监控、模型保存等核心代码实现，并对训练过程中的关键参数设置和优化方向进行

 sadfasdfsafadsa
2026-02-01 10:10:35

 1105

 17

#pytorch #人工智能
Meta Llama 3 优化的 CPU 推理与 Hugging Face 和 PyTorch

原文：towardsdatascience.com/meta-llama-3-optimized-cpu-inference-with-hugging-face-and-pytorch-9dde2926be5c?使用 Nightcafe 创建 — 图片由作者提供。

布客飞龙
2026-02-03 00:01:32

 449

 5

#pytorch #人工智能
AI中模型训练技术指南

AI中模型训练技术指南

 龙文浩_
2026-04-13 16:02:46

 222

#人工智能 #神经网络 #自然语言处理 +2