#transfer-learning Repository
Scopri 56 repository GitHub open source attivi contrassegnati con #transfer-learning, che raccolgono un totale di 149,105 stelle (con una media di 2,662 stelle per progetto). Il progetto leader di questo argomento è datawhalechina/leedl-tutorial, con 16,879 stelle.
56 repository in totale
《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Transfer learning / Adattamento del dominio / Generalizzazione del dominio / Apprendimento multi-task ecc. Articoli, codici, dataset, applicazioni, tutorial. - Transfer learning
Codice per l'articolo "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer"
Annotare i propri set di dati, addestrare, valutare, testare e distribuire i propri algoritmi di intelligenza artificiale
Libreria di Transfer Learning per Adattamento di Dominio, Adattamento di Compito e Generalizzazione di Dominio
🔥🔥Libreria di Riconoscimento Facciale ad Alta Prestazioni su PaddlePaddle & PyTorch🔥🔥
Implementazione di Segnet, FCN, UNet, PSPNet e altri modelli in Keras.
Tutorial Jupyter Notebook per risolvere problemi del mondo reale con Machine Learning & Deep Learning usando PyTorch. Argomenti: Rilevamento facciale con Detectron 2, Rilevamento anomalie nelle serie temporali con LSTM Autoencoders, Rilevamento oggetti con YOLO v5, Costruisci la tua prima Neural Network, Previsione serie temporali per i casi giornalieri di Coronavirus, Analisi del sentimento con BER
Kashgari è un framework di apprendimento trasferito NLP a livello di produzione costruito su tf.keras per l'etichettatura del testo e la classificazione del testo, include Word2Vec, BERT e GPT2 Language Embedding.
Libreria PyTorch di deep learning per previsione di serie temporali, classificazione e rilevamento di anomalie (originariamente per previsione di alluvioni).
Molti studi hanno dimostrato che le prestazioni sul deep learning sono significativamente influenzate dal volume dei dati di addestramento. Il progetto MedicalNet fornisce una serie di modelli pre-addestrati 3D-ResNet e il codice relativo.
Personalizza il Segment Anything Model (SAM) con 1 shot in 10 secondi
Codice per l'articolo TKDE "Apprendimento auto-supervisionato su grafi: Contrastivo, generativo o predittivo"
Crea, addestra, ottimizza ed esegui modelli di computer vision localmente, dalle immagini grezze all’inferenza in tempo reale. Open source e ottimizzato per Intel® XPU (supporta anche CUDA).
Raccolta di fantastici metodi di adattamento al momento del test (dominio/batch/istanza)
Un elenco completo di fantastici lavori di apprendimento auto-supervisionato contrastivo.
TorchXRayVision: Una libreria di set di dati e modelli di radiografie del torace. Classificatori, segmentazione e autoencoder.
Una lista curata di risorse NLP focalizzata su reti Transformer, meccanismo di attenzione, GPT, BERT, ChatGPT, LLMs e transfer learning.
Articoli ICCV 2023-2025: Scopri la ricerca all'avanguardia di ICCV 2023-25, la conferenza leader nella visione artificiale. Rimani aggiornato sulle ultime novità nella visione artificiale e nel deep learning, con codice incluso. ⭐ Supporta lo sviluppo dell'intelligenza visiva!
Strumento di progettazione molecolare AI per la progettazione de novo, lo scaffold hopping, la sostituzione del gruppo R, la progettazione di linker e l'ottimizzazione molecolare.
Gaze-LLE: Stima del bersaglio dello sguardo tramite encoder su larga scala appresi (CVPR 2025, Highlight)
Una lista curata di DATASETS, CODEBASES e PAPER su Multi-Task Learning (MTL), dalla prospettiva del Machine Learning.
Fusione di Modelli nei LLMs, MLLMs e oltre: Metodi, Teorie, Applicazioni e Opportunità. ACM Computing Surveys, 2026.
[Premio per giovani scienziati MICCAI 2019] [Premio per il miglior articolo MedIA] Models Genesis: pre-addestramento autosupervisionato per immagini mediche 3D. Apprende rappresentazioni trasferibili da volumi CT e MRI privi di annotazioni, quindi viene sottoposto a fine-tuning per le attività a valle di segmentazione e classificazione. Pesi Keras e PyTorch inclusi.
Implementazione in TensorFlow e PyTorch di "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)
Il repository principale per la ricerca e lo sviluppo all'avanguardia nel rispondere a domande multilingue.
BiomedGPT: Un modello fondazionale generalista Vision-Language per diversi compiti biomedici
Prov-GigaPath: Un modello fondamentale a intera diapositiva per la patologia digitale da dati reali
Ciclo di vita completo di un progetto di data science
Il codice ufficiale per "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Domande frequenti
Qual è il repository #transfer-learning più popolare su GitHub?
Il progetto open source #transfer-learning più alto in classifica su GitHub è datawhalechina/leedl-tutorial, con 16,879 stelle. 《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Quali linguaggi di programmazione sono più utilizzati nei repository #transfer-learning?
Tra i progetti #transfer-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook.
Come viene calcolata la classifica dei repository #transfer-learning?
Monitoriamo 56 repository open source attivi contrassegnati con #transfer-learning (500+ stelle), per un totale di 149,105 stelle e una media di 2,662 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.