#few-shot-learning Repository
Scopri 41 repository GitHub open source attivi contrassegnati con #few-shot-learning, che raccolgono un totale di 94,558 stelle (con una media di 2,306 stelle per progetto). Il progetto leader di questo argomento è jindongwang/transferlearning, con 14,330 stelle.
41 repository in totale
Transfer learning / Adattamento del dominio / Generalizzazione del dominio / Apprendimento multi-task ecc. Articoli, codici, dataset, applicazioni, tutorial. - Transfer learning
Una libreria di Agent Skills progettata per funzionare con il server Stitch MCP. Ogni skill segue lo standard aperto Agent Skills, per la compatibilità con agenti di codifica come Antigravity, Gemini CLI, Claude Code, Cursor.
22 tecniche di prompt engineering con tutorial pratici su Jupyter Notebook, dai concetti fondamentali alle strategie avanzate per sfruttare gli LLM.
Questo repository contiene risorse curate a mano per Prompt Engineering con un focus su Generative Pre-trained Transformer (GPT), ChatGPT, PaLM ecc.
FlagAI (Fast LArge-scale General AI models) è un toolkit veloce, facile da usare ed estensibile per modelli su larga scala.
Riepilogo di Prompt & LLM papers, dati e modelli open source, applicazioni AIGC
Repository GitHub ufficiale per C-Eval, una suite di valutazione cinese per modelli fondamentali [NeurIPS 2023]
Personalizza il Segment Anything Model (SAM) con 1 shot in 10 secondi
[pip install medmnist] 18 set di dati standardizzati per la classificazione di immagini biomediche 2D e 3D
Codice pronto all'uso e notebook tutorial per accelerare il tuo percorso nell'apprendimento few-shot per la classificazione delle immagini.
Articoli eccezionali sull'estrazione di informazioni generative (IE) utilizzando grandi modelli linguistici (LLM)
Dataset affrontato con un metodo di benchmark e compressione della frequenza per il rilevamento di oggetti a infrarossi con pochi esempi
Un elenco curato di fantastici metodi di apprendimento di prompt/adattatori per modelli vision-language come CLIP.
Fusione di Modelli nei LLMs, MLLMs e oltre: Metodi, Teorie, Applicazioni e Opportunità. ACM Computing Surveys, 2026.
Implementazione in TensorFlow e PyTorch di "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)
Gli LLM possono generare feedback sul proprio lavoro, utilizzarlo per migliorare l'output e ripetere questo processo in modo iterativo.
Utilizzare GPT per organizzare e accedere alle informazioni e generare domande. L'obiettivo a lungo termine è creare un assistente di ricerca simile a un agente.
[COLM 2024] LoraHub: Generalizzazione efficiente tra attività tramite composizione dinamica di LoRA
Implementazione ufficiale del paper "Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis" in ICLR 2021
Il codice ufficiale per "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
"FSGS: Sintesi di viste few-shot in tempo reale utilizzando Gaussian Splatting", Zehao Zhu*, Zhiwen Fan*, Yifan Jiang, Zhangyang Wang
Domande frequenti
Qual è il repository #few-shot-learning più popolare su GitHub?
Il progetto open source #few-shot-learning più alto in classifica su GitHub è jindongwang/transferlearning, con 14,330 stelle. Transfer learning / Adattamento del dominio / Generalizzazione del dominio / Apprendimento multi-task ecc. Articoli, codici, dataset, applicazioni, tutorial. - Transfer learning
Quali linguaggi di programmazione sono più utilizzati nei repository #few-shot-learning?
Tra i progetti #few-shot-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript.
Come viene calcolata la classifica dei repository #few-shot-learning?
Monitoriamo 41 repository open source attivi contrassegnati con #few-shot-learning (500+ stelle), per un totale di 94,558 stelle e una media di 2,306 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.