Home Progetti mean-teacher
mean-teacher

mean-teacher

di CuriousAI · GitHub

Un metodo semi-supervisionato all'avanguardia per il riconoscimento delle immagini

Visualizza su GitHub
In parole semplici

Allena un modello per riconoscere immagini utilizzando meno esempi etichettati con un approccio semi-supervisionato.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Licenza non specificata
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
mean-teacher — GitHub preview card
📈 Storia delle stelle
1 6701 669
2026-07-202026-07-29
📈 Segui mean-teacher

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Un metodo semi-supervisionato all'avanguardia per il riconoscimento delle immagini

mean-teacher ha 1.7k stelle su GitHub. È stato forkato 340 volte. mean-teacher è scritto principalmente in Python. È in sviluppo attivo dal 2017. I suoi temi principali sono: deep-learning, nips-2017, pytorch, semi-supervised-learning.

Frequently asked questions

Che cos'è mean-teacher?

Un metodo semi-supervisionato all'avanguardia per il riconoscimento delle immagini

mean-teacher è open source?

mean-teacher è un progetto open source.

mean-teacher è gratuito?

Sì. mean-teacher è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto mean-teacher?

mean-teacher è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — mean-teacher

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=curiousai-mean-teacher)](https://opensourceai.tech/project/curiousai-mean-teacher.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.