简介
官方文档翻译:Fastai库使用现代最佳实践简化了快速而准确的神经网络的训练。 它基于对fast.ai进行的深度学习最佳实践的研究,包括对视觉,文本,表格和协作(协作过滤)模型的“开箱即用”支持。 如果您正在寻找源代码,请转到GitHub上的fastai存储库。
- Fastai是一个课程平台,一个讨论社区,也是一个PyTorc的顶层框架。Fastai的理念就是让神经网络没那么望而生畏,其课程也是采用项目驱动的方式教学。(不同于很多深度学习课程先教授大量的数学基础,各有利弊)
- 目前fastai只在Linux下稳定,mac和windows下不保证稳定性。
- Fastai类似Keras,封装顶层框架,对新手比较友好。Keras的后端框架为TensorFlow和Theano,而Fastai的后端为PyTorch。(比起TensorFlow其实PyTorch没有那么上手难)
- 而且,类似Keras,Fastai不只是将PyTorch功能封装了比较“亲切”的API,而是让PyTorch的强大之处易用了。
为什么突然介绍Fastai?第一,这个框架很强,类似Keras;第二,基于PyTorch有动态算图优势;第三,现在的Kaggle深度赛,很多人都在逐渐使用Fastai。(这和1.0稳定版发布有关系)
实例:
from fastai.vision import models, URLs, ImageDataBunch, cnn_learner, untar_data, accuracy
path = untar_data(URLs.MNIST_SAMPLE) # 下载数据集,这里只是MNIST的子集,只包含3和7的图像,会下载并解压(untar的命名原因)到/root/.fastai/data/mnist_sample(如果你是root用户)下,包含训练数据,测试数据,包含label的csv文件
data = ImageDataBunch.from_folder(path) # 利用ImageDataBunch读取文件夹,返回一个ImageDataBunch对象
learn = cnn_learner(data, models.resnet18, metrics=accuracy) # 构建cnn模型,使用resnet18预训练模型
learn.fit(10) # 训练一轮
但是我们初次使用fastai时出现下面这个错误:
RuntimeError: cuda runtime error (11) : invalid argument at /pytorch/aten/src/THC/THCGeneral.cpp:383
这是由于安装错误引起的,开始使用pip install fastai,编译就出现上面的错误。此时需要重新安装:
conda install -c pytorch -c fastai fastai
运行结果:
其他可参见官方文档
扫描二维码关注公众号,回复:
10132456 查看本文章