Startseite Projekte mean-teacher
mean-teacher

mean-teacher

von CuriousAI · GitHub

Ein hochmodernes semi-supervised Verfahren zur Bilderkennung

Auf GitHub ansehen
In einfachen Worten

Trainieren Sie ein Modell, um Bilder mit weniger gekennzeichneten Beispielen mithilfe eines semi-supervised Ansatzes zu erkennen.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Lizenz nicht angegeben
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
mean-teacher — GitHub preview card
📈 Sternhistorie
1 6701 669
2026-07-202026-07-29
📈 mean-teacher verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Ein hochmodernes semi-supervised Verfahren zur Bilderkennung

mean-teacher hat 1.7k Sterne auf GitHub. Es wurde 340-mal geforkt. mean-teacher ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. Die Hauptthemen sind: deep-learning, nips-2017, pytorch, semi-supervised-learning.

Frequently asked questions

Was ist mean-teacher?

Ein hochmodernes semi-supervised Verfahren zur Bilderkennung

Ist mean-teacher Open Source?

mean-teacher ist ein Open-Source-Projekt.

Ist mean-teacher kostenlos?

Ja. mean-teacher ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

In welcher Sprache ist mean-teacher geschrieben?

mean-teacher ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — mean-teacher

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=curiousai-mean-teacher)](https://opensourceai.tech/project/curiousai-mean-teacher.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.