#few-shot-learning Dépôts
Découvrez 41 dépôts GitHub open source actifs associés à #few-shot-learning, cumulant 94,558 étoiles au total (soit une moyenne de 2,306 étoiles par projet). Le projet en tête de ce thème est jindongwang/transferlearning, avec 14,330 étoiles.
41 dépôts au total
Apprentissage par transfert / Adaptation de domaine / Généralisation de domaine / Apprentissage multi-tâches etc. Articles, codes, ensembles de données, applications, tutoriels. - Apprentissage par transfert
Une bibliothèque de compétences Agent Skills conçue pour fonctionner avec le serveur Stitch MCP. Chaque compétence suit la norme ouverte Agent Skills, pour une compatibilité avec des agents de codage tels qu'Antigravity, Gemini CLI, Claude Code, Cursor.
22 techniques d'ingénierie de prompts avec des tutoriels pratiques sur Jupyter Notebook, des concepts fondamentaux aux stratégies avancées pour exploiter les LLMs.
Ce référentiel contient des ressources sélectionnées à la main pour l'ingénierie de prompts, axées sur les transformeurs pré-entraînés génératifs (GPT), ChatGPT, PaLM, etc.
FlagAI (Fast LArge-scale General AI models) est une boîte à outils rapide, facile à utiliser et extensible pour les modèles à grande échelle.
Résumé des articles Prompt & LLM, données et modèles open source, applications AIGC
Dépôt GitHub officiel pour C-Eval, une suite d'évaluation chinoise pour les modèles fondamentaux [NeurIPS 2023]
FSL-Mate: Une collection de ressources pour l'apprentissage par peu d'exemples (FSL).
Personnalisez le modèle Segment Anything (SAM) avec 1 prise de vue en 10 secondes
[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D
Code prêt à l'emploi et notebooks de tutoriel pour accélérer votre approche de l'apprentissage few-shot pour la classification d'images.
MiMo-Audio : Les modèles de langage audio sont des apprenants à quelques exemples
[TPAMI 2023] LibFewShot : Une bibliothèque complète pour l'apprentissage par peu d'exemples (Few-shot Learning).
Articles impressionnants sur l'extraction d'informations génératives (IE) utilisant de grands modèles linguistiques (LLM)
Ensemble de données abordé par une méthode de référence et de compression de fréquence pour la détection d'objets à infrarouges avec peu d'exemples
Une liste organisée d'excellentes méthodes d'apprentissage des invites/adaptateurs pour les modèles vision-langage comme CLIP.
Fusion de Modèles dans les LLMs, MLLMs et au-delà : Méthodes, Théories, Applications et Opportunités. ACM Computing Surveys, 2026.
Un ensemble de données d'ensembles de données pour apprendre à apprendre à partir de peu d'exemples
Implémentation TensorFlow et PyTorch de "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)
Les LLM peuvent générer des commentaires sur leur travail, les utiliser pour améliorer la sortie et répéter ce processus de manière itérative.
Utiliser GPT pour organiser et accéder à l'information, et générer des questions. L'objectif à long terme est de créer un assistant de recherche semblable à un agent.
[COLM 2024] LoraHub : Généralisation inter-tâches efficace grâce à la composition dynamique de LoRA
Implémentation officielle de l'article "Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis" à l'ICLR 2021
Le code officiel pour "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
"FSGS : Synthèse de vues few-shot en temps réel utilisant le Gaussian Splatting", Zehao Zhu*, Zhiwen Fan*, Yifan Jiang, Zhangyang Wang
Foire aux questions
Quel est le dépôt #few-shot-learning le plus populaire sur GitHub ?
Le projet #few-shot-learning open source le mieux classé sur GitHub est jindongwang/transferlearning, avec 14,330 étoiles. Apprentissage par transfert / Adaptation de domaine / Généralisation de domaine / Apprentissage multi-tâches etc. Articles, codes, ensembles de données, applications, tutoriels. - Apprentissage par transfert
Quels langages de programmation sont les plus utilisés dans les dépôts #few-shot-learning ?
Parmi les projets #few-shot-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript.
Comment le classement des dépôts #few-shot-learning est-il calculé ?
Nous suivons 41 dépôts open source actifs associés à #few-shot-learning (500+ étoiles), totalisant 94,558 étoiles, avec une moyenne de 2,306 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.