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)