الوصف
fastai هي مكتبة تعلم عميق قوية تخدم كلاً من الممارسين والباحثين من خلال توفير إطار عمل مرن وفعال لبناء وتدريب الشبكات العصبية. بالنسبة للممارسين، تقدم مكونات عالية المستوى تمكن من التطوير السريع للنماذج المتطورة عبر مجالات التعلم العميق القياسية. يستفيد الباحثون من المكونات منخفضة المستوى التي يمكن دمجها لاستكشاف وإنشاء مقاربات جديدة.
قراءة المزيد
يعطي تصميم المكتبة الأولوية لسهولة الاستخدام والمرونة والأداء دون تنازلات كبيرة. يتم تحقيق ذلك من خلال بنية طبقية مدروسة تجرد الأنماط الشائعة في التعلم العميق ومعالجة البيانات إلى مكونات مفصولة. يتم التعبير عن هذه التجريدات بإيجاز باستخدام الميزات الديناميكية لبايثون ومرونة PyTorch.
تشمل المكونات الرئيسية لـ fastai نظامًا جديدًا لإرسال الأنواع لبايثون، ومكتبة رؤية حاسوبية محسّنة لوحدة معالجة الرسومات قابلة للتوسيع بلغة بايثون النقية، ومحسن معاد تصميمه يبسط تنفيذ الخوارزميات، ونظام رد اتصال ثنائي الاتجاه للوصول العميق أثناء التدريب، وواجهة برمجة تطبيقات جديدة للكتل البيانات. تساهم هذه العناصر في هدف fastai المتمثل في أن تكون سهلة الوصول ومنتجة بسرعة، مع كونها قابلة للتعديل والتكوين بعمق.
يعد الترحيل من مكتبات أخرى تعتمد على PyTorch مثل PyTorch العادي أو Ignite أو Lightning أمرًا مباشرًا. غالبًا ما يمكن للمستخدمين إعادة استخدام كود معالجة البيانات الحالي وتقليل كود التدريب مع الاستفادة من أفضل الممارسات الحديثة. تقدم fastai أيضًا إرشادات للترحيل من هذه المكتبات.
بالنسبة للمستخدمين على نظام ويندوز، توجد اعتبارات محددة للمعالجة المتعددة في دفاتر Jupyter، والتي قد تبطئ المهام مثل رؤية الحاسوب. يوصى باستخدام نظام ويندوز الفرعي لينكس (WSL) لتجربة سلسة. توفر الوثائق أدلة شاملة ودروسًا تعليمية ودفاتر تفاعلية يمكن الوصول إليها عبر Google Colab للاستخدام والتعلم الفوري.
- الفئةتعلّم الآلة وعلم البيانات
- نموذج التسعيرمفتوح المصدر
- النشرمحلي، السحابة
- المنصاتالويب
الميزات الأساسية لـ fastai
مكونات عالية المستوى للتطوير السريع
مكونات منخفضة المستوى للبحث والمقاربات الجديدة
بنية طبقية للمرونة والأداء
مكتبة رؤية حاسوبية محسّنة لوحدة معالجة الرسومات
واجهة برمجة تطبيقات جديدة للكتل البيانات لمعالجة البيانات
نظام رد اتصال ثنائي الاتجاه جديد للتحكم في التدريب
نظام إرسال أنواع لبايثون
تنفيذ محسن مبسط
قابلة للتوسيع بلغة بايثون النقية
دفاتر تفاعلية متاحة على Google Colab
أدلة ترحيل لـ PyTorch و Ignite و Lightning
البدء مع fastai
التثبيت: قم بالتثبيت عبر pip أو استخدم Google Colab للوصول الفوري.
التكوين: تأكد من تثبيت PyTorch أولاً للحصول على الأداء الأمثل.
التطوير: استخدم التثبيتات القابلة للتعديل للمساهمة أو البقاء في الطليعة.
التعلم: اقرأ الكتاب وأكمل الدورة المجانية لفهم شامل.
البدء السريع: استكشف دليل البدء السريع لبناء نماذج مختلفة بأقل قدر من التعليمات البرمجية.
دروس تعليمية: اتبع الدروس التعليمية لتدريب النماذج على مجموعات البيانات الخاصة بك.
الوثائق: تنقل في شريط التنقل الجانبي للوثائق للحصول على معلومات مفصلة عن الفئات والوظائف والطرق.
حالات استخدام fastai
- تصنيف الصور
- تجزئة الصور
- تحليل مشاعر النصوص
- أنظمة التوصية
- نمذجة البيانات الجدولية
- تطوير نماذج مخصصة
- النماذج الأولية السريعة
