Startseite Projekte Transfer-Learning-Library
Transfer-Learning-Library
Python

Transfer-Learning-Library

Transfer-Learning-Bibliothek für Domänenanpassung, Aufgabenanpassung und Domänenverallgemeinerung

von thuml · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
adversarial-learningdanndeep-learningMITPython
Auf GitHub ansehen
In einfachen Worten

Wenden Sie Techniken des Transferlernens an, um KI-Modelle für verschiedene Aufgaben und Bereiche einfach zu verbessern.

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 →
Transfer-Learning-Library — GitHub preview card
📈 Sternhistorie
3.93k3.92k
2026-07-072026-08-31
📈 Transfer-Learning-Library verfolgen

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

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

Transfer-Learning-Bibliothek für Domänenanpassung, Aufgabenanpassung und Domänenverallgemeinerung

Transfer-Learning-Library hat 3.9k Sterne auf GitHub. Es wurde 597-mal geforkt. Transfer-Learning-Library ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. Transfer-Learning-Library ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: adversarial-learning, dann, deep-learning, domain-adaptation.

Frequently asked questions

Was ist Transfer-Learning-Library?

Transfer-Learning-Bibliothek für Domänenanpassung, Aufgabenanpassung und Domänenverallgemeinerung

Ist Transfer-Learning-Library Open Source?

Transfer-Learning-Library ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist Transfer-Learning-Library kostenlos?

Ja. Transfer-Learning-Library ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht Transfer-Learning-Library?

Transfer-Learning-Library ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist Transfer-Learning-Library geschrieben?

Transfer-Learning-Library ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — Transfer-Learning-Library

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

[![olud.ai](https://olud.ai/badge.php?tool=thuml-transfer-learning-library)](https://olud.ai/project/thuml-transfer-learning-library.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
AdaptSegNet
Lernen, den strukturierten Ausgaberaum für die semantische Segmentierung anzupassen, CVPR 2018…
859 · adversarial-learning
teiltadversarial-learningdomain-adaptation
AdvSemiSeg
Adversarial Learning für semi-supervised semantische Segmentierung, BMVC 2018
507 · adversarial-learning
teiltadversarial-learning
pytorch-adapt
Domänenanpassung leicht gemacht. Vollständig ausgestattet, modular und anpassbar.
397 · computer-vision
teiltdomain-adaptation
pykale
Wissen-bewusste maschinelles Lernen (KALE): zugängliches maschinelles Lernen aus mehreren Quell…
486 · computer-vision
teiltdomain-adaptation
Exclusively-Dark-Image-Dataset
Exklusiv Dark (ExDARK) Datensatz, der nach unserem besten Wissen die größte Sammlung von Aufnah…
635 · computer-vision
teiltdomain-adaptation
powerful-benchmarker
Eine Bibliothek für ML-Benchmarking. Sie ist leistungsstark.
441 · benchmarking
teiltdomain-adaptation
SelectionGAN
[CVPR 2019 Oral] Multi-Channel Attention Selection GAN mit kaskadierter semantischer Anleitung…
466 · adversarial-learning
teiltadversarial-learning
bonito
Eine leichte Bibliothek zur Generierung synthetischer Instruction-Tuning-Datensätze für Ihre Da…
830 · domain-adaptation
teiltdomain-adaptation
gpl
Mächtige unüberwachte Domänenanpassungsmethode für dichte Abrufung. Benötigt nur ein unlabeled…
343 · bert
teiltdomain-adaptation
transferlearning
Transferlernen / Domänenanpassung / Domänenverallgemeinerung / Mehrfachaufgabenlernen usw. Papi…
14.3k · deep-learning
teiltdomain-adaptation

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