#167 · 主分类： 深度学习框架
Transfer-Learning-Library
adversarial-learning
dann
deep-learning
domain-adaptation
finetune
image-translation
out-of-distribution-generalization
self-training
semi-supervised-learning
transfer-learning
unsupervised-domain-adaptation
迁移学习库，用于领域适应、任务适应和领域泛化
项目最后更新：05/10/24
GitHub Stars
3.9K
Forks数量
602
贡献者数量
11
许可证
MIT
收录理由
当模型在一个数据集上训练后遇到数据分布变化，性能往往会明显下降。这个库把应对这类场景的迁移学习技术集中在一起，包括域对齐、自训练、正则化、数据重加权等，并提供了遵循 torchvision 风格的 PyTorch API，对于熟悉该生态的开发者来说上手非常自然。除了经典的无监督域适应方法，它还覆盖了微调、分布外泛化和半监督学习，每个方向都配有可运行的示例，任务类型涵盖分类、检测、分割和关键点检测。研究者可以从中找到已发表算法的清晰参考实现，工程师也能直接借用其中的模块，而不必从头重写一切。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。