Find a file
2024-01-01 13:24:39 +01:00
.vscode yay more stuff to talk about 2023-01-26 19:59:19 +01:00
docs download images from discord's cdn before they're gone 2023-12-26 12:01:28 +01:00
src move figs + slides to pages branch 2023-06-25 14:14:13 +02:00
.editorconfig début de slides 2023-01-19 11:32:04 +01:00
.envrc nixify slides 2023-11-26 23:44:13 +01:00
.gitattributes remove lfs files 2023-12-14 15:00:40 +01:00
.gitignore nixify slides 2023-11-26 23:44:13 +01:00
.pre-commit-config.yaml chore: update pre-commit 2022-11-08 17:54:03 +01:00
flake.lock use flake-parts 2023-12-14 15:09:20 +01:00
flake.nix nix flake add systems input 2024-01-01 13:24:39 +01:00
LICENSE.md add readme + license (please don't scroll commit history) 2023-02-03 11:44:35 +01:00
poetry.lock chore: add tensorflow deps 2022-11-08 20:57:57 +01:00
poetry.toml init 2022-11-08 17:51:27 +01:00
pyproject.toml chore: add tensorflow deps 2022-11-08 20:57:57 +01:00
README.md add readme + license (please don't scroll commit history) 2023-02-03 11:44:35 +01:00

README

Ce repository contient l'implémentation de deux réseaux de deep learning pour l'apprentissage semi-supervisé: simCLR et SGAN. Les deux réseaux ont été testés sur des jeux de données de classification d'images.

simCLR

simCLR est une approche semi-supervisée pour l'apprentissage de représentations à partir d'un grand nombre d'images non étiquetées. Le modèle consiste en une chaîne de transformation qui transforme les entrées dans un espace d'apprentissage continu et en un classificateur qui prédit les labels des entrées transformées.

SGAN

SGAN est un réseau GAN semi-supervisé qui utilise une générateur pour produire des images aléatoires et un discriminateur pour les classer en fonction des labels connus. Le but est de produire des images qui sont à la fois réalistes et informatives pour l'apprentissage de la classification. Comment utiliser ce repository

Comment utiliser ce repository

Les notebooks (colab) se situent dans le dossier src.

Contacts

License MIT