fastai
v2.7.18
يمكنك استخدام fastai دون أي تثبيت باستخدام Google Colab. في الواقع، كل صفحة من هذه الوثائق متاحة أيضًا كمفكرة تفاعلية - انقر فوق "فتح في colab" أعلى أي صفحة لفتحها (تأكد من تغيير وقت تشغيل Colab إلى "GPU" لتشغيله بسرعة!) راجع وثائق fast.ai حول استخدام Colab لمزيد من المعلومات.
يمكنك تثبيت fastai على أجهزتك الخاصة باستخدام conda (موصى به للغاية)، طالما أنك تستخدم Linux أو Windows (ملاحظة: نظام Mac غير مدعوم). بالنسبة لنظام التشغيل Windows، يرجى الاطلاع على "التشغيل على نظام التشغيل Windows" للاطلاع على الملاحظات المهمة.
نوصي باستخدام miniconda (أو miniforge). قم أولاً بتثبيت PyTorch باستخدام سطر conda الموضح هنا، ثم قم بتشغيل:
conda install -c fastai fastai للتثبيت باستخدام النقطة، استخدم: pip install fastai .
إذا كنت تخطط لتطوير fastai بنفسك، أو تريد أن تكون في المقدمة، فيمكنك استخدام تثبيت قابل للتحرير (إذا قمت بذلك، فيجب عليك أيضًا استخدام تثبيت قابل للتحرير من fastcore لتتوافق معه.) قم أولاً بتثبيت PyTorch، ثم :
git clone https://github.com/fastai/fastai
pip install -e "fastai[dev]"
أفضل طريقة لبدء استخدام fastai (والتعلم العميق) هي قراءة الكتاب وإكمال الدورة المجانية.
لمعرفة ما هو ممكن مع fastai، ألق نظرة على البداية السريعة، التي توضح كيفية استخدام حوالي 5 أسطر من التعليمات البرمجية لإنشاء مصنف صور، ونموذج تجزئة الصورة، ونموذج المشاعر النصية، ونظام التوصية، ونموذج جدولي. لكل تطبيق، الرمز هو نفسه إلى حد كبير.
اقرأ البرامج التعليمية لمعرفة كيفية تدريب النماذج الخاصة بك على مجموعات البيانات الخاصة بك. استخدم شريط التنقل الجانبي للاطلاع على وثائق fastai. تم توثيق كل فئة ووظيفة وطريقة هنا.
للتعرف على تصميم المكتبة ودوافعها، اقرأ الورقة التي تمت مراجعتها من قبل النظراء.
fastai هي مكتبة للتعلم العميق توفر للممارسين مكونات عالية المستوى يمكنها تقديم أحدث النتائج بسرعة وسهولة في مجالات التعلم العميق القياسية، وتزود الباحثين بمكونات منخفضة المستوى يمكن مزجها ومطابقتها للبناء أساليب جديدة. ويهدف إلى القيام بالأمرين دون التنازلات الكبيرة في سهولة الاستخدام أو المرونة أو الأداء. وهذا ممكن بفضل بنية الطبقات بعناية، والتي تعبر عن الأنماط الأساسية المشتركة للعديد من تقنيات التعلم العميق ومعالجة البيانات من حيث التجريدات المنفصلة. يمكن التعبير عن هذه التجريدات بإيجاز ووضوح من خلال الاستفادة من ديناميكية لغة بايثون الأساسية ومرونة مكتبة PyTorch. يشمل فاستاي:
يتم تنظيم fastai حول هدفين رئيسيين للتصميم: أن يكون سهل الوصول إليه ومنتجًا بسرعة، وفي نفس الوقت يكون قابلاً للاختراق والتكوين بشكل كبير. إنه مبني على أعلى تسلسل هرمي لواجهات برمجة التطبيقات (APIs) ذات المستوى الأدنى والتي توفر كتل بناء قابلة للتركيب. بهذه الطريقة، لا يتعين على المستخدم الذي يرغب في إعادة كتابة جزء من واجهة برمجة التطبيقات عالية المستوى أو إضافة سلوك معين ليناسب احتياجاته أن يتعلم كيفية استخدام المستوى الأدنى.
من السهل جدًا الترحيل من PyTorch أو Ignite أو أي مكتبة أخرى تعتمد على PyTorch، أو حتى استخدام fastai مع مكتبات أخرى. بشكل عام، ستتمكن من استخدام جميع أكواد معالجة البيانات الموجودة لديك، ولكن ستتمكن من تقليل كمية الأكواد البرمجية التي تحتاجها للتدريب، والاستفادة بسهولة أكبر من أفضل الممارسات الحديثة. فيما يلي أدلة الترحيل من بعض المكتبات الشائعة لمساعدتك في طريقك:
نظرًا لمشكلات المعالجة المتعددة لـ python على Jupyter وWindows، تتم إعادة تعيين num_workers في Dataloader إلى 0 تلقائيًا لتجنب تعليق Jupyter. وهذا يجعل المهام مثل رؤية الكمبيوتر في Jupyter على Windows أبطأ عدة مرات من Linux. هذا القيد غير موجود إذا كنت تستخدم fastai من البرنامج النصي.
راجع هذا المثال للاستفادة الكاملة من واجهة برمجة التطبيقات fastai على نظام التشغيل Windows.
نوصي باستخدام نظام Windows الفرعي لنظام التشغيل Linux (WSL) بدلاً من ذلك - إذا قمت بذلك، فيمكنك استخدام أسلوب تثبيت Linux العادي، ولن تواجه أي مشكلات مع num_workers .
لتشغيل الاختبارات بالتوازي، قم بتشغيل:
nbdev_test
لكي تنجح جميع الاختبارات، ستحتاج إلى تثبيت التبعيات المحددة كجزء من متطلبات dev_requirements في settings.ini
pip install -e .[dev]
تتم كتابة الاختبارات باستخدام nbdev ، على سبيل المثال، راجع الوثائق الخاصة بـ test_eq .
بعد استنساخ هذا المستودع، تأكد من تشغيل nbdev_install_hooks في جهازك الطرفي. يؤدي هذا إلى تثبيت Jupyter وgit Hooks لتنظيف تعارضات الدمج في دفاتر الملاحظات والوثوق بها وإصلاحها تلقائيًا.
بعد إجراء التغييرات في الريبو، يجب عليك تشغيل nbdev_prepare وإجراء التغييرات الإضافية والضرورية من أجل اجتياز جميع الاختبارات.
بالنسبة للمهتمين بحاويات الإرساء الرسمية لهذا المشروع، يمكن العثور عليها هنا.
