#few-shot-learning Repositórios
Descubra 41 repositórios ativos de código aberto no GitHub marcados com #few-shot-learning, acumulando um total de 94,558 estrelas (uma média de 2,306 por projeto). O líder deste tópico é jindongwang/transferlearning, com 14,330 estrelas.
41 repositórios no total
Aprendizado por transferência / adaptação de domínio / generalização de domínio / aprendizado multi-tarefa etc. Artigos, códigos, conjuntos de dados, aplicações, tutoriais.-Aprendizado por transferência
Uma biblioteca de Habilidades de Agente projetada para funcionar com o servidor Stitch MCP. Cada habilidade segue o padrão aberto Agent Skills, para compatibilidade com agentes de codificação como Antigravity, Gemini CLI, Claude Code, Cursor.
22 técnicas de engenharia de prompts com tutoriais práticos em Jupyter Notebook, de conceitos fundamentais a estratégias avançadas para alavancar LLMs.
Este repositório contém recursos selecionados manualmente para Engenharia de Prompts com foco em Generative Pre-trained Transformer (GPT), ChatGPT, PaLM etc
FlagAI (Fast LArge-scale General AI models) é um kit de ferramentas rápido, fácil de usar e extensível para modelos de grande escala.
Compilação de artigos (papers) sobre Prompt & LLM, dados e modelos de código aberto e aplicações de AIGC
Repositório oficial do GitHub para C-Eval, uma suíte de avaliação chinesa para modelos de fundação [NeurIPS 2023]
Personalize o Segment Anything Model (SAM) com 1 shot em 10 segundos
[pip install medmnist] Conjuntos de Dados Padronizados 18x para Classificação de Imagens Biomédicas 2D e 3D
Código pronto para usar e notebooks de tutoriais para impulsionar seu aprendizado com poucos exemplos em classificação de imagens.
MiMo-Audio: Modelos de Linguagem de Áudio são Aprendizes de Poucos Exemplos
[TPAMI 2023] LibFewShot: Uma Biblioteca Abrangente para Aprendizado com Poucos Exemplos.
Artigos excelentes sobre Extração de Informação (IE) generativa usando Grandes Modelos de Linguagem (LLMs)
Dataset abordado por um Benchmark e Método de Compressão de Frequência para Deteção de Objetos Few-Shot por Infravermelho
Uma lista selecionada de métodos fantásticos de aprendizado de prompt/adaptador para modelos de visão-linguagem, como o CLIP.
Fusão de Modelos em LLMs, MLLMs e Além: Métodos, Teorias, Aplicações e Oportunidades. ACM Computing Surveys, 2026.
Um conjunto de dados de conjuntos de dados para aprender a aprender com poucos exemplos
Implementação em TensorFlow e PyTorch de "Meta-Transfer Learning for Few-Shot Learning" (CVPR2019)
LLMs podem gerar feedback sobre o seu trabalho, usá-lo para melhorar a saída e repetir este processo iterativamente.
Usar GPT para organizar e acessar informações e gerar perguntas. O objetivo de longo prazo é criar um assistente de pesquisa semelhante a um agente.
[COLM 2024] LoraHub: Generalização Eficiente Entre Tarefas via Composição Dinâmica de LoRA
Implementação oficial do artigo "Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis", apresentado no ICLR 2021
O código oficial para "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
[ECCV 2024]"FSGS: Síntese de Vistas em Tempo Real com Poucas Amostras utilizando Gaussian Splatting", Zehao Zhu*, Zhiwen Fan*, Yifan Jiang, Zhangyang Wang
Perguntas Frequentes
Qual é o repositório de #few-shot-learning mais popular no GitHub?
O projeto de código aberto de #few-shot-learning mais bem classificado no GitHub é jindongwang/transferlearning, com 14,330 estrelas. Aprendizado por transferência / adaptação de domínio / generalização de domínio / aprendizado multi-tarefa etc. Artigos, códigos, conjuntos de dados, aplicações, tutoriais.-Aprendizado por transferência
Quais linguagens de programação são mais usadas nos repositórios de #few-shot-learning?
Entre os projetos de #few-shot-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript.
Como é calculada a classificação dos repositórios de #few-shot-learning?
Acompanhamos 41 repositórios ativos de código aberto marcados com #few-shot-learning (com mais de 500 estrelas), totalizando 94,558 estrelas e uma média de 2,306 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.