Accueil Projets FSL-Mate
FSL-Mate

FSL-Mate

par tata1661 · GitHub

FSL-Mate : Une collection de ressources pour l'apprentissage par peu d'exemples (FSL).

Voir sur GitHub
En termes simples

Accédez à une collection de ressources et d'articles pour vous aider à apprendre sur les techniques d'apprentissage par peu d'exemples.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Licence non spécifiée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
FSL-Mate — GitHub preview card
📈 Historique des étoiles
1 7641 763
2026-07-202026-07-29
📈 Suivez FSL-Mate

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

FSL-Mate : Une collection de ressources pour l'apprentissage par peu d'exemples (FSL).

FSL-Mate compte 1.8k étoiles sur GitHub. Il a été forké 287 fois. FSL-Mate est écrit principalement en Python. Il est développé activement depuis 2020. Ses principaux thèmes sont : deep-learning, few-shot, few-shot-learning, few-shot-paper.

Frequently asked questions

Qu'est-ce que FSL-Mate ?

FSL-Mate : Une collection de ressources pour l'apprentissage par peu d'exemples (FSL).

FSL-Mate est-il open source ?

FSL-Mate est un projet open source.

FSL-Mate est-il gratuit ?

Oui. FSL-Mate est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage FSL-Mate est-il écrit ?

FSL-Mate est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — FSL-Mate

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=tata1661-fsl-mate)](https://olud.ai/project/tata1661-fsl-mate.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.