fastai

最新推荐文章于 2025-05-24 18:01:17 发布

honeysuckle_luo

最新推荐文章于 2025-05-24 18:01:17 发布

阅读量370

点赞数

CC 4.0 BY-SA版权

文章标签： python ai

本文链接：https://blog.youkuaiyun.com/honeysuckle_luo/article/details/134430244

本文介绍了Fastai，一个基于PyTorch的易于学习的深度学习框架，无需复杂数学和大量资源。作者提供了在线课程和书籍资源，通过示例展示了如何在GoogleColab中使用Fastai处理图像数据、训练和预测，以及进行TransferLearning。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、fastai简介

fastai是一款由Jeremy Howard和Rachel Thomas发起基于PyTorch的深度学习框架，旨在让机器学习不再”伟大”，更加“平易近人”，将AI的学习与使用，推广到更多人群。学习fastai，你将：

不需要很复杂的数学知识，Just high school math is sufficient（高中数学水平足以）
不需要很大的数据集
不需要很多昂贵的机器

为能够更好的推广学习，作者基于此专门出了一套在线课程，甚至还出了一本书（《fastai与PyTorch深度学习实践指南》，实体书有售），作者也很大方的提供在线版本（https://github.com/fastai/fastbook），允许大家不花费任何资费即可学习。不过个人还是建议有条件、有兴趣的同学可以购买实体书，支持下大佬的辛勤付出。

官网文档：fastai - Vision learnerAll the functions necessary to build Learner suitable for transfer learning in computer visionhttps://docs.fast.ai/vision.learner.html#cnn_learner上面是cnn_learn的函数介绍

2、使用fastai

通过谷歌的colab来快速的上手fastai。

!pip install -Uqq fastbook
import fastbook
fastbook.setup_book()

from fastbook import *
from fastai.vision.all import *

解压数据集

url = "https://course.fast.ai/datasets"
path = untar_data(URLs.PETS)/'images'

查看图像

import cv2
import matplotlib.pyplot as plt

img_path = "/root/.fastai/data/oxford-iiit-pet/images/Abyssinian_1.jpg"
img = cv2.imread(img_path)
print(img.shape)
plt.imshow(img)
plt.show()

开始训练

def is_cat(x):
    return x[0].isupper()
dls = ImageDataLoaders.from_name_func(path,get_image_files(path),valid_pct=0.2,seed=42,
                                      label_func=is_cat,item_tfms=Resize(224))
learn = cnn_learner(dls,resnet34,metrics=error_rate)
learn.fine_tune(1)

进行预测

# 上传图像
uploader = widgets.FileUpload()
uploader

img = PILImage.create(uploader.data[0])
print(img.shape)

#进行预测并打印预测结果
is_cat,a,prob = learn.predict(img)
print(is_cat)
print(a)
print(f"{prob[1].item():.2f}")
print(prob)