Accueil Projets awesome-semi-supervised-learning
awesome-semi-supervised-learning
computer-vision

awesome-semi-supervised-learning

😎 Une liste à jour et sélectionnée de papiers, méthodes et ressources sur l'apprentissage semi-supervisé.

par yassouali · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
computer-visiondeep-learninggenerative-modelMIT
Voir sur GitHub
En termes simples

Parcourez une collection de ressources et d'articles de recherche sur les techniques d'apprentissage semi-supervisé pour une meilleure classification des données.

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 →
awesome-semi-supervised-learning — GitHub preview card
📈 Historique des étoiles
1 8561 855
2026-07-202026-08-31
📈 Suivez awesome-semi-supervised-learning

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

😎 Une liste à jour et sélectionnée de papiers, méthodes et ressources sur l'apprentissage semi-supervisé.

awesome-semi-supervised-learning compte 1.9k étoiles sur GitHub. Il a été forké 225 fois. Il est développé activement depuis 2020. awesome-semi-supervised-learning est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, deep-learning, generative-model, graph-neural-networks.

Frequently asked questions

Qu'est-ce que awesome-semi-supervised-learning ?

😎 Une liste à jour et sélectionnée de papiers, méthodes et ressources sur l'apprentissage semi-supervisé.

awesome-semi-supervised-learning est-il open source ?

awesome-semi-supervised-learning est un projet open source. Il est distribué sous licence MIT.

awesome-semi-supervised-learning est-il gratuit ?

Oui. awesome-semi-supervised-learning est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est awesome-semi-supervised-learning ?

awesome-semi-supervised-learning est disponible sous licence MIT.

🏅 Mainteneur de ce projet ?
olud.ai badge — awesome-semi-supervised-learning

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=yassouali-awesome-semi-supervised-learning)](https://olud.ai/project/yassouali-awesome-semi-supervised-learning.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
dgl
Package Python conçu pour faciliter l'apprentissage profond sur graphes, sur la base des framew…
14.3k · deep-learning
partagegraph-neural-networks
Paella
Mise en œuvre officielle de Paella https://arxiv.org/abs/2211.07292v2
748 · diffusion-models
partagegenerative-model
graph4nlp
Graph4nlp est la bibliothèque pour une utilisation facile des réseaux de neurones graphiques po…
1.7k · deep-learning
partagegraph-neural-networks
ktrain
ktrain est une bibliothèque Python qui rend l'apprentissage profond et l'IA plus accessibles et…
1.3k · computer-vision
partagegraph-neural-networks
DL4Proteins-notebooks
Notebooks Colab couvrant les outils d'apprentissage profond pour la prédiction et la conception…
703 · convolutional-neural-networks
partagegraph-neural-networks
GlueStick
Joint Deep Matcher pour Points et Lignes 🖼️💥🖼️ (ICCV 2023)
674 · computer-vision
partagegraph-neural-networks
RAVE
Implémentation officielle du modèle RAVE : un autoencodeur variationnel audio en temps réel
1.8k · ai
partagegenerative-model
torchdrug
Une plateforme d'apprentissage automatique puissante et flexible pour la découverte de médicame…
1.6k · deep-learning
partagegraph-neural-networks
Awesome-Diffusion-Models
Une collection de ressources et d'articles sur les Modèles de Diffusion
12.4k · artificial-intelligence
partagegenerative-model
paint-with-words-sd
Implémentation de Paint-with-words avec Stable Diffusion : méthode d'eDiff-I qui vous permet de…
646 · diffusion
partagegenerative-model

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