transfer-learning

《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF 下载地址：https://github.com/datawhalechina/leedl-tutorial/releases

迁移学习 / 领域适应 / 领域泛化 / 多任务学习 等相关论文、代码、数据集、应用与教程。

三行代码即可实现快速且准确的机器学习。

关于领域适应的精彩集合

领域适应、任务适应与领域泛化的迁移学习库

高性能人脸识别库，支持 PaddlePaddle 与 PyTorch

一个通过重复使用 TensorFlow 模型部分内容来进行迁移学习的库。

用於視覺任務的精選視覺語言模型合集

使用 PyTorch 通过机器学习与深度学习解决实际问题的 Jupyter Notebook 教程。主题包含：使用 Detectron 2 进行人脸检测、使用 LSTM Autoencoders 进行时间序列异常检测、使用 YOLO v5 进行对象检测、建立你的第一个神经网络、针对冠状病毒每日确诊数的时间序列预测、使用 BERT 进行情感分析

Kashgari 是一个构建在 tf.keras 之上的生产级 NLP 迁移学习框架，用于文本标记与文本分类，包含 Word2Vec、BERT 与 GPT2 语言嵌入。

用于时间序列预测、分类与异常侦测的深度学习 PyTorch 函数库（最初用于洪水预测）。

EasyNLP：全面且易用的 NLP 工具包

TKDE 论文“Self-supervised learning on graphs: Contrastive, generative, or predictive”的代码

🛸 在 spaCy 中使用预训练的 transformer，如 BERT、XLNet 和 GPT-2

以极少的时间与更少的数据建立计算机视觉模型。

收集各种测试时（领域/批次/实例）适应方法的集合

精选对比式自监督学习论文大全。

TorchXRayVision：胸部 X 光数据集与模型的库。包含分类器、分割与自动编码器。

精选的 NLP 资源列表，聚焦于 Transformer 网络、注意力机制、GPT、BERT、ChatGPT、LLMs 与迁移学习。

TensorFlow 101：深度学习简介

ICCV 2023-2025 论文：探索来自 ICCV 2023-25（领先的计算机视觉会议）的前沿研究。掌握计算机视觉与深度学习的最新动态，内含代码。⭐ 支持视觉智能发展！

用于从头设计、骨架跳跃、R 基团替换、连接子设计和分子优化的 AI 分子设计工具。

从机器学习的角度，精选关于多任务学习 (MTL) 的数据集、代码库与论文列表。

[MICCAI 2019 年轻科学家奖] [MEDIA 2020 最佳论文奖] Models Genesis，医学图像分析中用于多个下游任务的最早期“基础”模型之一

“Meta-Transfer Learning for Few-Shot Learning”(CVPR2019) 的 TensorFlow 与 PyTorch 实现

LLM、MLLM 及其他领域的模型合并：方法、理论、应用与机会。ACM Computing Surveys, 2026。

用于最先进多语言问答研究与开发的主要仓库。

从头训练先进的 yolov3 物件检测器！

数据科学项目的完整生命周期

分层图像金字塔 Transformer - CVPR 2022 (Oral)