拉勾教育使用Fastai开发和部署图像分类器应用
Fastai是一个流行的开源库，用于学习和练习机器学习以及深度学习。杰里米·霍华德（Jeremy Howard）和蕾切尔·托马斯（Rachel Thomas）创立了 fast.ai， 其目标是使深度学习资源更容易获得。fast.ai中提供的所有详尽的资源，例如课程，软件和研究论文都是完全免费的。拉勾IT课小编为大家分解
2020年8月，fastai_v2发布，该版本有望更快，更灵活地实现深度学习框架。在2020 fastai课程结合了机器学习和深入学习的核心概念。它还向用户介绍了模型生产和部署的重要方面。
在本文中，我将讨论fast.ai初学者课程的前三课中介绍的有关建立快速简单的图像分类模型的技术。在构建模型的同时，你还将学习如何轻松地为模型开发Web应用程序并将其部署到生产环境。
本文将遵循Jeremy在其课程中所采用的自上而下的教学方法。你将首先学习有关训练图像分类器的知识。稍后，将解释有关用于分类的模型的细节。要理解本文，你必须具备Python知识，因为fastai是用Python编写并基于PyTorch构建的。建议你在Google Colab或Gradient中运行此代码，因为我们需要GPU访问权限，而且fastai可以轻松安装在这两个平台上。
安装，导入和加载数据集
!pip install -Uqq fastbook
import fastbook
fastbook.setup_book()
from fastbook import *
from fastai.vision.widgets import *
安装fastai并导入必要的库。如果你使用的是Colab，则必须提供对Google云端硬盘的访问权限以保存文件和图像。你可以从Kaggle和Bing图像搜索等来源下载任何图像数据集。Fast.ai也有大量的图像集合。我在本文中使用了来自 的一组胸部X射线图像
2020年8月，fastai_v2发布，该版本有望更快，更灵活地实现深度学习框架。在2020 fastai课程结合了机器学习和深入学习的核心概念。它还向用户介绍了模型生产和部署的重要方面。
在本文中，我将讨论fast.ai初学者课程的前三课中介绍的有关建立快速简单的图像分类模型的技术。在构建模型的同时，你还将学习如何轻松地为模型开发Web应用程序并将其部署到生产环境。
本文将遵循Jeremy在其课程中所采用的自上而下的教学方法。你将首先学习有关训练图像分类器的知识。稍后，将解释有关用于分类的模型的细节。要理解本文，你必须具备Python知识，因为fastai是用Python编写并基于PyTorch构建的。建议你在Google Colab或Gradient中运行此代码，因为我们需要GPU访问权限，而且fastai可以轻松安装在这两个平台上。
安装，导入和加载数据集
!pip install -Uqq fastbook
import fastbook
fastbook.setup_book()
from fastbook import *
from fastai.vision.widgets import *
安装fastai并导入必要的库。如果你使用的是Colab，则必须提供对Google云端硬盘的访问权限以保存文件和图像。你可以从Kaggle和Bing图像搜索等来源下载任何图像数据集。Fast.ai也有大量的图像集合。我在本文中使用了来自 的一组胸部X射线图像
