前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >深度学习入门Fast.ai 2.0上线!自带中文字幕,所有笔记、资源全部免费!

深度学习入门Fast.ai 2.0上线!自带中文字幕,所有笔记、资源全部免费!

作者头像
量子位
发布2020-08-28 16:04:11
1.2K0
发布2020-08-28 16:04:11
举报
文章被收录于专栏:量子位量子位
贾浩楠 发自 凹非寺 量子位 报道 | 公众号 QbitAI

Fast.ai,最受人们欢迎的MOOC课程和深度学习框架之一。

重代码而非数学,这让不少使用Fast.ai的初学者称霸各种Kaggle比赛

昨天,最新的Fast.ai 2.0版本上线

新版本完全对Fast.ai V1进行了重置,构建了全新的深度学习框架。更轻快、更灵活、更容易使用。

而且,对中国用户最友好的是,全部课程视频都有简体中文字幕

2.0更新了哪些课程

新上线的Fast.ai 2.0是测试版,目前公开的课程分为两大部分:深度学习任务速成,和更加细致全面的深度学习基础

其中,速成部分有7节课,分别是:

图像分类 SGD入门 多标签 NLP 反向传播:从零开始的神经网络 CNN GAN

如果你已经有了一定的基础,那么可以直接开始第二部分课程深度学习基础

这一部分包含7课,从深度神经网络的基础结构讲起,包括神经网络的训练过程、模型内部结构、数据块的API等等。

在Fast.ai官网上,每一节课的页面,左边是视频播放,右边有本节提纲,和其他网友详细的学习笔记链接。此外还有各种丰富的扩展资料。

可以说,团队是十分用心了。

但是,如果你没有任何机器学习的基础知识储备,那么要注意一点:

V2版本中移除了V1中的机器学习入门,需要这些课程的用户只能出门左转使用V1.。

但团队承诺,仍然会对V1进行更新维护。

安装使用教程

Fast.ai除了提供免费的课程,更主要的是作为一个高度简化集成的深度学习框架,为初学者提供了简单易上手的深度学习任务工具,比如CV分割工具。

安装最新的Fast.ai也十分简单,只要通过一行代码:

代码语言:javascript
复制
pip install fastai

如果你用的是conda,那么用这个指令来安装:

代码语言:javascript
复制
conda install -c fastai -c pytorch fastai

如果你想自己进一步修改开发Fast.ai,那么需要安装可编辑的版本:

代码语言:javascript
复制
git clone —recurse-submodules https://github.com/fastai/fastai
pip install -e “fastai[dev]”

当然,所有的安装都要求电脑预装最新版本的Python和PyTorch

最后,还有一个完全不用安装的使用方法,谷歌Colab,加载完成后记得选择GPU模式运行。

V2特色:三大核心库

这一次Fast.ai的更新,核心功能是3个库:fastcorefastscriptfastgpu

fastcore

其中,fastcore利用Python的灵活性,添加了其他语言的一些优秀特性。

比如来自Julia的多重调度,来自Ruby的mixin,以及来自Haskell的currying、binding。

它还增加了Python中一些 “缺失的特性”,并清理了Python标准库中一些不太好用的部分,比如简化并行处理。

fastscript

fastscript专门为快速设计脚本而设。在 Python中,可以使用自带的argparse来实现但它很复杂,尤其是当你想支持命令行参数、提供帮助和其他细节。

而Fastscript是一个完整的、可以使用的命令行应用程序。运行调用也十分简单:

代码语言:javascript
复制
from fastscript import *
@call_parse
def main(msg:Param(“The message”, str),
        upper:Param(“Convert to uppercase?”, bool_arg)=False):
   print(msg.upper() if upper else msg)

运行之后可以得到:

代码语言:javascript
复制
$ python examples/test_fastscript.py
usage: test_fastscript.py [-h] [—upper UPPER] msg
test_fastscript.py: error: the following arguments are required: msg

fastgpu

fastgpu库只提供了一个命令fastgpu_poll,它可以轮询一个目录来检查是否有脚本要运行,然后在第一个可用的 GPU 上运行它们。

如果没有可用的GPU,fastgpu进入等待状态。如果有一个以上的GPU可用,则多个脚本将并行运行,每个GPU运行一个。

这是最简单的运行模型简化测试的方法,它可以利用所有的GPU,没有并行处理的成本,也不需要人工干预。

Fast.ai新书同步上线

除了刚才介绍的3个核心库,Fast.ai2.0还有很多使用技巧。

开发团队推荐使用Fast.ai2.0的配套书籍《程序员实用深度学习教程》来学习。

现在亚马逊可买实体书,JupyterNotebook也可以免费阅读。

面向0基础初学者、所有资源免费、中文字幕、官方整理详细笔记、还可以白嫖谷歌Colab,这么优质的学习资源,你还在犹豫什么呢?

传送门

课程介绍 https://www.fast.ai/2020/08/21/fastai2-launch/

教学视频 https://course19.fast.ai/index.html

亚马逊链接

https://www.amazon.com/Deep-Learning-Coders-fastai-PyTorch/dp/1492045527

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-08-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 2.0更新了哪些课程
  • 安装使用教程
  • V2特色:三大核心库
    • fastcore
      • fastscript
        • fastgpu
        • Fast.ai新书同步上线
        • 传送门
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档