turtle

扔掉标签,无监督迁移也能让模型适应新领域

turtle 是一个基于 ICML 2024 论文《Let Go of Your Labels with Unsupervised Transfer》的开源实现,专注于无监督迁移学习。它解决的是在目标域没有标签的情况下,如何利用源域知识进行模型迁移的问题。核心能力包括:无需目标域标签即可完成领域适应,通过自监督学习提取可迁移特征,支持多种视觉任务。项目提供简洁的 Python 接口,便于研究者复现论文结果并扩展新方法。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 81
维护状态 低维护
是否开源
定价模式 free

项目数据

分类开源模型
开发团队mlbio-epfl
所属国家
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源
开源协议
主要语言Python
技术栈/模型clustering,deep-learning,foundation-models,icml,icml-2024,implicit-bias,maximum-margin-learning,transfer-learning,unsupervised-learning
GitHub 星标★ 81
30天Star增速
HF 下载量
上线时间2024-05-08 00:00:00
最近更新2026-07-01 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 实现 ICML 2024 前沿无监督迁移方法,学术价值高
  • 代码结构清晰,便于二次开发和研究对比
  • 支持多种视觉任务,适用面广

不足之处

  • 文档/社区待观察
  • 依赖特定论文设置,通用性需验证

适用场景

  • 学术研究:复现无监督迁移学习基线
  • 工业应用:目标域标注成本高的视觉识别场景
  • 教学演示:展示无监督领域适应原理

替代项目

DANN、CDAN、MMD-AAE

项目介绍

turtle 是模型训练领域的开源项目,由 mlbio-epfl 开发,2024 年首次发布。

它收录于模型训练分类,该分类目前共有 518 个项目,GitHub 星标数为 81。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-07-01。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:学术研究:复现无监督迁移学习基线。同类可对比的替代方案包括 DANN、CDAN、MMD-AAE。

上一篇:FLNK

下一篇:CoDA-NO

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13