fastai v1 0學習文件（一）

此部分是筆者學習fastai文件關於影象部分的記錄，只記錄了筆者學習過程中覺得較為重要的東西，比較簡略，可能並不適合其他人，詳情還請參考fastai官方文件

fastai的是一種建立在pytorch的頂層框架，類似於tensorflow的keras，其簡化了建立神經網路的過程。fastai的主要物件是learner，其將資料與網路繫結，更加簡便的實現訓練等過程。

在fastai的vision模組中，主要包括四個子類，image,transfrom,data以及learner，來實現從資料預處理，資料集的定義，模型的建立以及訓練等一系列過程。

示例：

from fastai.vision import *

path = untar_data(urls.mnist_sample)
data = imagedatabunch.from_folder(path)
learn = create_cnn(data, models.resnet18, metrics=accuracy)
learn.fit(1)

imgimagesegment是image的子類，其中包含了許多開啟掩膜的函式。

imagebbox是image的另乙個子類，可以開啟用於目標檢測的一些影象。

image中還包含了許多用於視覺化的函式，影象變換的函式

一般使用get_transforms來進行影象增強，示例如下：

tfms = get_transforms(max_rotate=25)

len(tfms)

get_transforms(`do_flip`:bool=`true`, `flip_vert`:bool=`false`, `max_rotate`:float=`10.0`, `max_zoom`:float=`1.1`, `max_lighting`:float=`0.2`, `max_warp`:float=`0.2`, `p_affine`:float=`0.75`, `p_lighting`:float=`0.75`, `xtra_tfms`:optional[collection[transform]]=`none`) → collection[transform]

讀取檔名代表標籤的影象資料，使用示例如下：

tfms = get_transforms(do_flip=false)

data = imagedatabunch.from_folder(path, ds_tfms=tfms, size=24)

ds_tfms=get_transforms(flip_vert=true, max_lighting=0.1, max_zoom=1.05, max_warp=0.))除此之外，還有許多讀取資料的方式，詳情參見文件。

create_cnn可以快速建立乙個遷移學習的模型，細節如下：

create_cnn(`data`:databunch, `arch`:callable, `cut`:union[int, callable]=`none`, `pretrained`:bool=`true`, `lin_ftrs`:optional[collection[int]]=`none`, `ps`:floats=`0.5`, `custom_head`:optional[module]=`none`, `split_on`:union[callable, collection[modulelist], nonetype]=`none`, `bn_final`:bool=`false`, `kwargs`:any) → learner

fastai整合了yolo的基礎框架darknet，分割的unet

fastai v1 0文件學習（三）

learner通過lr find方法找到合適的學習率，通過fit one cycle來訓練網路，通過to fp16來轉換半精度。方法描述 learner data databunch,model module,opt func callable adam loss func callable non...

Bootstrap學習文件（一）

boostrap中中文網 bootstrap 是最受歡迎的 html css 和 js 框架，用於開發響應式布局 移動裝置優先的 web 專案，使用這個框架可以簡單高效的開發出適配各種螢幕的 應用，即是編寫一套 適用多重平台 pc，平板，手機等 bootstrap 相比其他框架，自由度更高，它提供了...

python surprise學習文件 一

自動交叉驗證 train test split 和 fit 方法 訓練整個資料集和predict 方法 排個雷 evaluate 方法在1.0.5版本中已經棄用 功能上已由取代model selection cross validate 並在1.1.0中刪除 你要看一下你現在安裝的版本 surpri...