meta-learning

Transferlernen / Domänenanpassung / Domänengeneralisierung / Multitasking-Lernen usw. Arbeiten, Codes, Datensätze, Anwendungen, Tutorials.

Automatisiertes maschinelles Lernen mit scikit-learn

🦞 Sprich einfach mit deinem Agenten – er lernt und entwickelt sich weiter 🧬.

Eine PyTorch-Bibliothek für die Meta-Learning-Forschung

Implementierung von wissenschaftlichen Arbeiten in 100 Zeilen Code.

FSL-Mate: Eine Sammlung von Ressourcen für Few-Shot Learning (FSL).

Einsatzbereiter Code und Tutorial-Notebooks für einen schnellen Einstieg in das Few-Shot Learning zur Bildklassifizierung.

[TPAMI 2023] LibFewShot: Eine umfassende Bibliothek für Few-Shot-Learning.

TensorFlow- und PyTorch-Implementierung von „Meta-Transfer Learning for Few-Shot Learning“ (CVPR2019)

Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.

Alle Materialien, die Sie für Föderiertes Lernen benötigen: Blogs, Videos, Paper, Software usw.

Begleitcode zur Nature-Veröffentlichung „Discovering State-of-the-art Reinforcement Algorithms“

Manipulieren von Python-Programmen

TorchOpt ist eine effiziente Bibliothek für differenzierbare Optimierung, die auf PyTorch basiert.

Meta-Learning mit Differentiable Convex Optimization (CVPR 2019 Oral)