Fastai使Pythorch的深度学习更快、更准确、更容易
fastai的Python项目详细描述
Fastai
fastai库使用现代最佳实践简化了快速准确的神经网络训练。请参见fast ai网站开始。该库基于对在fast.ai上进行的深入学习最佳实践的研究，包括对fast.ai的"开箱即用"支持，以及对vision的支持，以及text.，tabular，以及collab（协作过滤）模型。有关简要示例，请参阅示例文件夹；详细示例见完整的文档。例如，下面是如何使用resnet18来训练mnist模型的方法（从vision examplevision example）：
path=untar_data(MNIST_PATH)data=image_data_from_folder(path)learn=cnn_learner(data,models.resnet18,metrics=accuracy)learn.fit(1)
注意course.fast.ai学生
本文档是为FastAI v1编写的，我们在当前版本中使用该版本，即course.fast.ai深度学习课程。如果您正在跟随course18.fast.a i" rel="nofollow">course18.fast.ai（即机器学习课程，未针对v1更新）的课程，则需要使用fastai 0.7；请按照安装说明进行操作。>这里
安装
注意：Fastai v1目前仅支持Linux，需要Pythorch v1和Python 3.6或更高版本。windows支持正处于试验阶段：它应该工作得很好，但速度慢得多，测试得也不太好。自M以来acs目前没有良好的nvidia gpu支持，我们目前没有优先考虑mac开发。
fastai-1.x可以使用conda或pip包管理器安装，也可以从源代码安装。目前，您不能只运行install，因为您首先需要安装正确的pytorch版本-因此要安装fastai-1.x请使用您最喜欢的python包管理器选择下面的安装方法之一。请注意，pytorch v1和python 3.6是最低版本要求。
强烈建议您在虚拟环境中安装fastai及其依赖项（conda或其他），这样您就不会干扰整个系统的python包。这不是必须的，但是如果您遇到任何依赖项包的问题，请考虑使用一个新的虚拟环境，仅用于fastai
从pytorch-1.x开始，您不再需要安装特殊的pytorch cpu版本。取而代之的是使用普通的pytorch，它可以使用gpu也可以不使用gpu。但是，也可以安装CPU构建。
如果遇到安装问题，请阅读安装问题
如果您计划在Jupyter笔记本电脑环境中使用fast ai，请确保同时安装相应的软件包
更高级的安装问题，例如仅安装部分依赖项，将在专用的安装文档中介绍。
Conda安装
conda install -c pytorch -c fastai fastai
这将安装使用最新版本的cudatoolkit构建的pytorch。如果需要更高或更低版本的cuda xx构建（例如cuda 9.0），请按照此处的说明安装所需的pytorch构建。
请注意，jpeg解码可能是一个瓶颈，特别是如果你有一个快速的gpu。您可以选择安装优化的JPEG解码器，如下所示（Linux）：
conda uninstall --force jpeg libtiff -y conda install -c conda-forge libjpeg-turbo CC="cc -mavx2" pip install --no-cache-dir -U --force-reinstall --no-binary :all: --compile pillow-simd
如果只关心更快的jpeg解压，那么在上面的最后一个命令中，它可以是hellow或hellow simd，后者可以加快其他图像处理操作。有关完整的故事，请参见枕头simd
pypi安装
pip install fastai
默认情况下，pip将安装最新的pytorch和最新的cudatoolkit。如果您的硬件不支持最新的cudatoolkit，请按照此处的说明安装一个适合您硬件的pytorchbuild。
错误修复安装
如果在git中修复了一个bug，并且您不能等到新版本发布后再安装，那么您可以使用：
pip install git+https://github.com/fastai/fastai.git
开发者安装
以下说明将导致apip editable install，以便您可以随时git pull，并且您的环境将自动获得更新：
git clone https://github.com/fastai/fastai cd fastai tools/run-after-git-clone pip install -e ".[dev]"
接下来，您可以通过启动jupyter笔记本来测试构建是否有效：
jupyter notebook
并执行一个示例笔记本。例如加载examples/tabular.ipynb并运行它。
请参考contribution.md和开发者注意事项了解如何为fastai项目做出贡献的更多详细信息。
从源头建设
如果由于任何原因，您不能使用预打包的软件包，而必须从源代码构建，则此部分适用于您。
要从源代码构建pytorch，请遵循完整的说明。请记住首先按照建议安装cuda、cudnn和其他必需的库-如果没有这些库内置到
pytorch接下来，您还需要从源代码构建torchvision
git clone https://github.com/pytorch/vision cd vision python setup.py install当安装了
pytorch和torchvision时，首先测试是否可以加载这些库：import torch import torchvision
以验证它们是否已正确安装
最后，通过预先打包的pip或conda构建或从源代码安装（"开发人员安装"），继续正常安装fastai。
< > >python：您需要使用python 3.6或更高版本
CPU或GPU
pytorch二进制软件包自带了自己的cuda、cudnn、nccl、mkl和其他库，因此如果您不需要其他库，就不必安装系统范围内的nvidia的cuda和相关库。如果您已经安装了它们，那么在系统范围内安装了哪个nvidia的cuda版本库并不重要。您的系统可能有CUDA 9.0库，而且您仍然可以使用使用CUDA 10.0库构建的
pytorch没有任何问题，因为pytorch二进制包是自包含的。唯一的要求是您已经正确安装和配置了nvidia驱动程序。通常，您可以通过运行
nvidia smi来测试它。虽然此应用程序可能在您的系统上不可用，但很可能如果它不工作，则说明您的nvidia驱动程序配置不正确。请记住，在安装NVIDIA驱动程序后，始终需要重新启动。操作系统：
由于Fastai-1.0依赖于Pythorch-1.0，您需要首先安装Pythorch-1.0。
截至目前，pytorch.org的1.0版本支持：
<表><广告>平台 < > GPU < /Th ><> CPU Linux 二进制 二进制 MAC < /TD> 来源 二进制 窗口 二进制 二进制 图例：
二进制=可以直接安装，源=需要从源构建。如果您的系统没有可用的
pytorch预览conda或pip包，您仍然可以从源代码构建它。你怎么知道要选择哪个pytorch cuda版本？
这取决于安装的nvidia驱动程序的版本。以下是预构建
<表><广告>pytorch版本支持的cuda版本的要求：CUDA工具包 nvidia（Linux x86_64） <正文> CUDA 10.0 >；=410.00 CUDA 9.0 >；=384.81 CUDA 8.0 >；=367.48 因此，如果nvidia驱动程序小于384，则只能使用cuda 8.0。当然，如果您的卡支持，您可以将您的驱动程序升级到最新的驱动程序。
您可以在这里找到一个包含所有变体的完整表格。
如果使用NVIDIA驱动程序410+，则很可能需要安装
cudatoolkit=10.0pytorch变量，通过：path=untar_data(MNIST_PATH)data=image_data_from_folder(path)learn=cnn_learner(data,models.resnet18,metrics=accuracy)learn.fit(1)
1或者如果您需要较低版本，请使用以下选项之一：
path=untar_data(MNIST_PATH)data=image_data_from_folder(path)learn=cnn_learner(data,models.resnet18,metrics=accuracy)learn.fit(1)
2有关其他选项，请参阅可用pytorch变体的完整列表。
< > >
安装问题
如果安装过程失败，首先确保系统受支持" rel="nofollow">系统受支持。如果问题仍未解决，请参阅故障排除文档
如果您遇到conda的安装问题，请确保您有最新的conda客户机（conda install也将进行更新）：
path=untar_data(MNIST_PATH)data=image_data_from_folder(path)learn=cnn_learner(data,models.resnet18,metrics=accuracy)learn.fit(1)0
是否支持我的系统？
更新
为了更新您的环境，只需以与初始安装完全相同的方式安装fastai即可。
顶层文件environment.yml和environment cpu.yml属于旧的fastai（0.7）。conda env update不再是更新fastai-1.x环境的方法。这些文件仍然存在，因为Fastai Course-v2视频指令依赖于此设置。最终，一旦fastai课程v3 p1和p2完成，它们可能会被移动到它们所属的位置-在old/下。
贡献指南
如果您想为FastAI贡献一份力量，请务必查看贡献指南。本项目遵循Fastai的行为准则。通过参与，您将遵守此准则。
我们使用github问题来跟踪请求和错误，因此请参见fast ai forum以了解一般问题和讨论。
Fastai项目致力于遵守开源软件开发中公认的最佳实践：
历史记录
更改的详细历史记录可以在这里找到。
版权所有
版权所有2017年以后，fast.ai，inc.根据Apache许可证2.0版（以下简称"许可证"）获得许可；除非符合许可证，否则您不得使用此项目的文件。此存储库的许可证文件中提供了许可证的副本。
欢迎加入QQ群-->： 979659372
