Git Stars Git Stars

#meta-learning Dépôts

Découvrez 26 dépôts GitHub open source actifs associés à #meta-learning, cumulant 56,716 étoiles au total (soit une moyenne de 2,181 étoiles par projet). Le projet en tête de ce thème est jindongwang/transferlearning, avec 14,330 étoiles.

26
Total des Dépôts
56,716
Nombre total d'étoiles
2,181
Moyenne d'Étoiles/Dépôt
1
jindongwang/transferlearning

Apprentissage par transfert / Adaptation de domaine / Généralisation de domaine / Apprentissage multi-tâches etc. Articles, codes, ensembles de données, applications, tutoriels. - Apprentissage par transfert

jindongwang
⭐ 14,330 Python 👤 jindongwang User 🕐 Mis à jour 2025-02-18 📅 Créé 2017-04-30
2
automl/auto-sklearn

Apprentissage automatique automatisé avec scikit-learn

automl
⭐ 8,147 Python 👤 automl Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2015-07-02
3
aiming-lab/MetaClaw

🦞 Parlez simplement à votre agent — il apprend et ÉVOLUE 🧬.

aiming-lab
⭐ 3,470 Python 👤 aiming-lab Organization 🕐 Mis à jour 2026-06-07 📅 Créé 2026-03-09
4
MaximeVandegar/Papers-in-100-Lines-of-Code

Implémentation d'articles en 100 lignes de code.

MaximeVandegar
⭐ 2,915 Python 👤 MaximeVandegar User 🕐 Mis à jour 2026-10-22 📅 Créé 2020-10-26
5
learnables/learn2learn

Une bibliothèque PyTorch pour la recherche en méta-apprentissage

learnables
⭐ 2,896 Python 👤 learnables Organization 🕐 Mis à jour 2025-12-16 📅 Créé 2019-08-08
6
huawei-noah/HEBO

Bibliothèque d'optimisation bayésienne et d'apprentissage par renforcement développée par le laboratoire Noah's Ark de Huawei

huawei-noah
⭐ 2,819 Jupyter Notebook 👤 huawei-noah Organization 🕐 Mis à jour 2026-10-12 📅 Créé 2021-09-10
7
vsitzmann/awesome-implicit-representations

Une liste organisée de ressources sur les représentations neuronales implicites.

vsitzmann
⭐ 2,612 👤 vsitzmann User 🕐 Mis à jour 2024-02-11 📅 Créé 2020-12-28
8
jennyzzt/dgm

Darwin Gödel Machine : Évolution ouverte d'agents auto-améliorants

jennyzzt
⭐ 2,223 Python 👤 jennyzzt User 🕐 Mis à jour 2025-08-13 📅 Créé 2025-05-23
9
Continual-Intelligence/SEAL

Modèles linguistiques auto-adaptatifs

Continual-Intelligence
⭐ 1,833 Python 👤 Continual-Intelligence Organization 🕐 Mis à jour 2025-08-01 📅 Créé 2025-06-13
10
tata1661/FSL-Mate

FSL-Mate: Une collection de ressources pour l'apprentissage par peu d'exemples (FSL).

tata1661
⭐ 1,764 Python 👤 tata1661 User 🕐 Mis à jour 2026-04-18 📅 Créé 2020-03-28
11
ShengranHu/ADAS

[ICLR 2025] Conception automatisée de systèmes agentifs

ShengranHu
⭐ 1,587 Python 👤 ShengranHu User 🕐 Mis à jour 2025-01-28 📅 Créé 2024-07-31
12
sicara/easy-few-shot-learning

Code prêt à l'emploi et notebooks de tutoriel pour accélérer votre approche de l'apprentissage few-shot pour la classification d'images.

sicara
⭐ 1,287 Python 👤 sicara Organization 🕐 Mis à jour 2024-11-13 📅 Créé 2021-02-01
13
RL-VIG/LibFewShot

[TPAMI 2023] LibFewShot : Une bibliothèque complète pour l'apprentissage par peu d'exemples (Few-shot Learning).

RL-VIG
⭐ 1,072 Python 👤 RL-VIG Organization 🕐 Mis à jour 2025-10-27 📅 Créé 2021-08-04
14
windmaple/awesome-AutoML

Curatage d'une liste de recherches, outils, projets et autres ressources liés à l'AutoML

windmaple
⭐ 946 👤 windmaple User 🕐 Mis à jour 2026-03-24 📅 Créé 2018-11-05
15
ssnl/dataset-distillation

Code open-source pour l'article "Dataset Distillation"

ssnl
⭐ 824 Python 👤 ssnl User 🕐 Mis à jour 2025-06-17 📅 Créé 2018-12-04
17
EnnengYang/Awesome-Model-Merging-Methods-Theories-Applications

Fusion de Modèles dans les LLMs, MLLMs et au-delà : Méthodes, Théories, Applications et Opportunités. ACM Computing Surveys, 2026.

EnnengYang
⭐ 801 👤 EnnengYang User 🕐 Mis à jour 2026-11-13 📅 Créé 2024-06-19
18
google-research/meta-dataset

Un ensemble de données d'ensembles de données pour apprendre à apprendre à partir de peu d'exemples

google-research
⭐ 796 Jupyter Notebook 👤 google-research Organization 🕐 Mis à jour 2024-05-24 📅 Créé 2019-03-05
19
yaoyao-liu/meta-transfer-learning

Implémentation TensorFlow et PyTorch de "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)

yaoyao-liu
⭐ 786 Python 👤 yaoyao-liu User 🕐 Mis à jour 2025-06-02 📅 Créé 2018-12-16
20
google-deepmind/disco_rl

Code d'accompagnement pour la publication Nature "Discovering State-of-the-art Reinforcement Algorithms"

google-deepmind
⭐ 753 Python 👤 google-deepmind Organization 🕐 Mis à jour 2025-12-02 📅 Créé 2025-07-24
21
weimingwill/awesome-federated-learning

Tous les matériaux dont vous avez besoin pour Federated Learning : blogs, vidéos, articles et logiciels, etc.

weimingwill
⭐ 738 Shell 👤 weimingwill User 🕐 Mis à jour 2025-11-16 📅 Créé 2019-11-10
22
google/pyglove

Manipulation de programmes Python

google
⭐ 724 Python 👤 google Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2022-05-12
23
test-time-training/e2e

Implémentation officielle de JAX d'entraînement End-to-End en temps de test pour un contexte long

test-time-training
⭐ 721 Python 👤 test-time-training User 🕐 Mis à jour 2026-02-15 📅 Créé 2025-12-18
24
google-deepmind/opro

Code officiel pour "Large Language Models as Optimizers"

google-deepmind
⭐ 673 Python 👤 google-deepmind Organization 🕐 Mis à jour 2024-12-04 📅 Créé 2023-10-02
25
metaopt/torchopt

TorchOpt est une bibliothèque efficace pour l'optimisation différentiable construite sur PyTorch.

metaopt
⭐ 639 Python 👤 metaopt Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2022-04-08
26
kjunelee/MetaOptNet

Meta-Apprentissage avec Optimisation Convexe Différentiable (CVPR 2019 Oral)

kjunelee
⭐ 544 Python 👤 kjunelee User 🕐 Mis à jour 2024-07-25 📅 Créé 2018-11-02
27
rsi-gear/gear

Boîtes à outils pour l’auto-amélioration récursive (RSI). Un framework modulaire pour l’évolution récursive du harnais.

rsi-gear
⭐ 509 TypeScript 👤 rsi-gear Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2026-08-18

Foire aux questions

1

Quel est le dépôt #meta-learning le plus populaire sur GitHub ?

Le projet #meta-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

2

Quels langages de programmation sont les plus utilisés dans les dépôts #meta-learning ?

Parmi les projets #meta-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Shell, TypeScript.

3

Comment le classement des dépôts #meta-learning est-il calculé ?

Nous suivons 26 dépôts open source actifs associés à #meta-learning (500+ étoiles), totalisant 56,716 étoiles, avec une moyenne de 2,181 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.