transfer-learning
本站收录 20 个带「transfer-learning」标签的 AI 开源项目
leedl-tutorial《李宏毅深度学习教程》是Datawhale社区维护的开源教材，源自台湾大学李宏毅老师的深度学习课程。该项目将课程内容整理为Jupyter Notebook格式，★ 16,787
autogluonAutoGluon 是一个自动化机器学习（AutoML）库，旨在用三行代码实现快速且准确的模型训练。它解决了传统机器学习中模型选择、超参数调优和特征工程耗时费力★ 10,754
getigeti 是英特尔推出的计算机视觉模型训练平台，旨在用更少的数据和更短的时间构建高性能视觉模型。它解决了传统深度学习模型开发中数据标注成本高、训练周期长、调参复★ 1,344
torchxrayvisionTorchXRayVision 是一个面向胸部 X 光影像的开源工具库，集成了多个公开数据集和预训练模型，覆盖分类、分割和自编码器三大任务。它解决了医学影像研究★ 1,201
ModelsGenesisModels Genesis 是医学图像分析领域最早的基础模型之一，由 MICCAI 2019 青年科学家奖和 MEDIA 2020 最佳论文奖背书。它通过自监★ 794
Awesome-Model-Merging-Methods-Theories-Applications这是一个关于模型合并（Model Merging）的精选资源列表，收录了在大语言模型（LLM）、多模态大模型（MLLM）等领域中模型合并的方法、理论、应用与机遇★ 788
Remote-Sensing-RVSARemote-Sensing-RVSA 是遥感领域的基础模型开源项目，对应 TGRS'22 论文《Advancing Plain Vision Transfor★ 469
SuPreMSuPreM 是一个面向医学影像分析的3D预训练模型库，基于ICLR 2024 oral论文提出。它利用9,262个CT体数据和25个标注类别进行监督预训练，解★ 433
MedFMMedFM 是 NeurIPS 2023 挑战赛的官方代码库，聚焦医学基础模型（Medical Foundation Models）的评测与微调。它提供了一套标★ 263
MTPMTP 是 JSTARS'24 论文的官方实现，提出了一种面向遥感基础模型的多任务预训练方法。它通过同时学习多个遥感任务（如场景分类、语义分割、目标检测等）来训★ 253
Awesome-Foundation-Models-on-Graphs这是一个关于图基础模型的精选资源列表，汇集了图基础模型领域的论文、代码和数据集。它旨在解决图基础模型研究资料分散、难以系统获取的问题，为研究人员和开发者提供一站★ 226
paper-listpaper-list 是一个自动更新的论文列表项目，专注于图像生成领域，同时覆盖动作识别、异常检测、音频处理、分类、深度估计、图神经网络等多个方向。它通过自动化★ 161
RSPRSP是《An Empirical Study of Remote Sensing Pretraining》论文的官方代码库，专注于遥感图像预训练模型的实证研究★ 159
awesome-artificial-intelligence-research这是一个面向 AI 研究者的精选资源清单（Awesome List），系统整理了人工智能各子领域的前沿论文、工具、数据集与学习资料，覆盖推荐系统、计算机视觉、机★ 133
BlackVIPBlackVIP 是 CVPR 2023 论文的官方实现，专注于黑盒视觉提示（Black-Box Visual Prompting）技术。它解决的是在无法访问模★ 107
turtleturtle 是一个基于 ICML 2024 论文《Let Go of Your Labels with Unsupervised Transfer》的开源实现★ 81
Vid2WorldVid2World 是一个将视频扩散模型转化为交互式世界模型的开源项目，源自 ICLR 2026 论文。它解决的核心问题是：如何让 AI 从静态视频中学习环境动★ 79
neural-painters-xNeural Painters X 是一个基于 Jupyter Notebook 的实验性开源项目，探索如何利用神经网络模拟画家创作过程，将输入图像或噪声转化为★ 79
PSECPSEC是一个面向智能体（Agent）的技能扩展与组合框架，其核心思想是在参数空间中实现技能的动态扩展与灵活组合。它解决的是智能体在面对新任务时，如何高效复用已★ 67
stable-diffusion-keras-ft这是一个基于Keras和TensorFlow的Stable Diffusion微调工具，旨在让开发者无需深入理解扩散模型内部细节，即可用自定义数据集对预训练的S★ 64