首页 > TAG信息列表 > fastai
fastai更新后训练速度较慢——未使用GPU
fastai更新后训练速度慢的问题！ 很久没用fastai，使用时发现训练速度很慢，后来发现是没用GPU 原因是torch更新时更新成了CPU版本 下面代码查看是否能用GPU import torch print(torch.cuda.is_available()) print(torch.__version__) print(torch.version.cuda) print(torch.backefastai 2019 lesson8 notes 笔记
lesson8 视频地址：https://course19.fast.ai/videos/?lesson=8 前言 这次的第 2 部分与 2018 年的版本有很大不同。课程名称是“从基础开始的深度学习”。我们将学习实现 Fastai 和 PyTorch 中的很多东西。基本上，我们将学习可以用来构建我们自己的深度学习库的东西。在此过程Titanic - （XGBoost，RF随机森林，Fastai-tabular_learner）总结
数据处理 从高分code学到很多表格数据处理的方法，主要是以下几种： fillna Nan值得填充确实会对准确率有小幅度的提升数据增强 使用原始数据为基础生成额外的维度连续数据转换 将连续数据分段转换成分类数据one-hot独热编码 通过pandas.get_dummies()可以轻松实现分类数据的独fastai学习——第一个bug
跟着视频学习，在运行第一段测试代码的时候出现问题 from fastai.vision.all import * path = untar_data(URLs.PETS)/'images' def is_cat(x): return x[0].isupper() dls = ImageDataLoaders.from_name_func( path, get_image_files(path), valid_pct=0.2, seed=42,[Pytorch框架] 4.3 fastai
文章目录 4.3 fastai4.3.1 fastai介绍fastai库fast.ai课程Github 4.3.2 fastai实践MNIST 4.3.3 fastai文档翻译 import fastai from fastai import * from fastai.vision import * import torch print(torch.__version__) print(fastai.__version__) 1.0.0 1.0.45 4.3在Win10上搭建fastai课程环境
如果你正在学习深度学习，也许你已经知道 fastai 这个词。这是一个深度学习社区，由Jeremy Howard发起，此公是麦肯锡咨询公司的第一位数据科学家，同时也是Kaggle的联合发起人。同时，fastai也是一个基于Pytorch的封装包，有点儿类似深度学习领域的sklearn，提供了很多神经网络的封装，并且包含了Anaconda＋vscode＋pytorch环境搭建
1、安装Anaconda Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。在官网上下载https://www.anaconda.com/distribution/，因为服务器在国外会很慢，建议从清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载。 2、安装VSco基于fastai的分类网络
classify.fastaifastai开始更新中文笔记了，传上相关链接
1.fastai论坛，可以查找自己的报错或提问等等：https://forums.fast.ai/ 2.每节课的详细笔记：https://forums.fast.ai/t/faq-resources-and-official-course-updates/27934 点击resource and updates ->进入新页面点击 Detailed lesson note 3.中文笔记就在论坛首页，Fast.ai v3 课程中Pytorch - 数据增强
2月份的博客还没写，今天发现了一个数据增强相关的库，叫fastai，记录两个链接： 1、主页 https://www.fast.ai/ 2、示例（需要科学上网） https://www.kaggle.com/init27/introduction-to-image-augmentation-using-fastai 从示例里面摘几张图片下来：