Startseite Projekte awesome-self-supervised-learning
awesome-self-supervised-learning
computer-vision

awesome-self-supervised-learning

Eine kuratierte Liste großartiger selbstüberwachter Methoden

von jason718 · GitHub
Sterne
Forks
Erstellt
Letzter Commit
computer-visiondeep-learningmachine-learning
Auf GitHub ansehen
In einfachen Worten

Entdecken Sie eine Sammlung von Ressourcen und Methoden für selbstüberwachtes Lernen in der KI.

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 →
awesome-self-supervised-learning — GitHub preview card
📈 Sternhistorie
6 4046 401
2026-07-042026-08-31
📈 awesome-self-supervised-learning verfolgen

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

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

Eine kuratierte Liste großartiger selbstüberwachter Methoden

awesome-self-supervised-learning hat 6.4k Sterne auf GitHub. Es wurde 835-mal geforkt. Es wird seit 2018 aktiv entwickelt. Die Hauptthemen sind: computer-vision, deep-learning, machine-learning, natural-language-processing.

Frequently asked questions

Was ist awesome-self-supervised-learning?

Eine kuratierte Liste großartiger selbstüberwachter Methoden

Ist awesome-self-supervised-learning Open Source?

awesome-self-supervised-learning ist ein Open-Source-Projekt.

Ist awesome-self-supervised-learning kostenlos?

Ja. awesome-self-supervised-learning ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

🏅 Wartender dieses Projekts?
olud.ai badge — awesome-self-supervised-learning

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

[![olud.ai](https://olud.ai/badge.php?tool=jason718-awesome-self-supervised-learning)](https://olud.ai/project/jason718-awesome-self-supervised-learning.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

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