如果你正在學習深度學習，也許你已經知道 fastai 這個詞。這是一個深度學習社區，由Jeremy Howard發起，此公是麥肯錫咨詢公司的第一位數據科學家，同時也是Kaggle的聯合發起人。同時，fastai也是一個基於Pytorch的封裝包，有點兒類似深度學習領域的sklearn，提供了很多神經網絡的封裝，並且包含了一套非常不錯的默認超參數。
如果你第一次聽說fastai，非常推薦你去他們的官網看看，把環境搭建好，然后學起來吧。這里先給出網址，但是還是希望你先看完下面的內容再過去。
https://www.fast.ai/
那么，為什么這么多人學習fastai的課程呢？根據我自己的學習體驗，大致有以下這么幾點：
- 這個課程采用自頂向下的方法。上手直接帶你調包，先搭建出一個非常優秀的圖片分類器，讓你直接體會到ResNet是怎么使用的。然后在Part 2課程中才會談到一些黑盒內的東西。
- 這個課程有非常活躍的社群，你可以在里面盡情提問，閱讀別人發起的問答。總之，你遇到的問題一般都有同道中人幫你解答，有時候Jeremy自己也會回復。
- 這套系列課程有深度學習、機器學習、NLP、線性代數。后續肯定還會有課程上線。所有課程都免費。
當然，這套課程也不是沒有缺點的，根據我自己的學習體驗，大致也有以下這么幾點：
- 混亂。這是我第一次訪問fastai官網的感受。各個課程都有多個版本，而且社群論壇里的帖子驚人的多，給人的感覺就是混亂。
- 環境搭建不容易，經常出現：你按照指引，吭哧吭哧弄好環境，打開jupyter notebook運行導入fastai這個包作驗證時，彈出找不到這個包。非常令人沮喪，導致后面的課程無法進行。
- fastai這個框架封裝的太狠了，基本沒給用戶留什么自主性。
但是，在學習一段時間后，我針對上面三個缺點逐一答對：
- 確實混亂，需要自己耐着性子去理清。舉例子：深度學習課程分為part 1 和part 2。part 1 就是純粹的講怎么使用fastai去快速上手深度學習，去實際做點東西出來，完成CV和NLP任務；part 2 則會深入一點，會帶領大家看看fastai這個框架是怎么設計的，背后用到的深度學習的一些原理是怎樣的。這是橫向的分別。縱向分別有v1,v2,v3，分別是2017、2018、2019三個版本，其中2017版本用的是keras，2018之后用的是pytorch。目前主流的學習使用的是2018這版，當然2019版本也已經上線，bilibili上有授權翻譯版視頻。
- linux上搭建fastai相對要容易一些，但是linux自有其他不合適使用的問題。比如筆者這樣，自己組裝了一個主機，買的RTX 2070 super顯卡的用戶，肯定是不會去使用雲服務器（太貴啦），但是又不可能直接安裝Linux系統，那樣日常沒法使用。在windows上安裝fastai則成為“剛需”，這篇隨筆要記錄的就是這個事情。
- 因為是自頂向下的學習路線，決定了這套課程不會講得太深入，用的工具也必須要開箱即用的。筆者自己也曾想自底向上去學習機器學習、深度學習。但是筆者不是科班方面的博士，只是一個數據工程師，學習的目的是快速掌握數據挖掘中用到的技術。如果一直在打基礎，結局只能是學而不用則惘。所以，學習完fastai的所有課程之后，才是我們自己真正開始研究底層原理的正確時機。
介紹性的談話就到這里打住，更多的信息請大家去fastai的論壇里面盡情閱讀，地址是 https://forums.fast.ai/top/all
下面開始介紹如何在 win10 系統上搭建環境，win7系統應該相差無幾。
-
獲取超級管理員權限（具體操作請自行谷歌）
-
安裝 Anaconda（具體操作請自行谷歌）
-
安裝 Cmder（具體操作請自行谷歌）
-
打開cmder，切換到你想放置fastai的目錄，運行下列命令：
- git clone https://github.com/fastai/fastai.git
- cd fastai
- conda env update (這一步會使用fastai目錄里的environment.yaml幫你創建一個名為fastai的虛擬環境；建議將文件里的pytorch版本設置為1.0.0)
- conda activate fastai
- jupyter nbextension enable --py widgetsnbextension --sys-prefix
- cd courses\dl1 （你要學習哪個課程就去哪個目錄，如果要學習機器學習，就應去 courses\ml）
- rm -rf fastai (也有可能你的文件夾里沒有這個目錄，跳過即可）
- mklink /d fastai ..\..\old\fastai
- cd ..\..
- jupyter notebook
-
到這里，環境就搭建好了，下面還需要下載fastai的模型，否則你在學習時會發現無法建立神經網絡訓練器
- 下載 http://files.fast.ai/models/weights.tgz
- 將它解壓到 courses\dl1\目錄下
- 對應的數據從這里下載 http://files.fast.ai/data/ ，對應的notebook里也會提示數據來自哪里
-
如果在跑模型過程中遇到 CUDNN_STATUS_EXECUTION_FAILED 問題，檢查下是否cuda版本和顯卡不適配。例如筆者的顯卡是RTX 2070，使用的cuda版本必須是10.0以上。同時注意，cudnn101 需要python版本在3.7以上，而Python3.7是不包含ssl模塊的，這就會導致你圍繞python3.7搭建好pytorch環境后，嘗試打開jupyter notebook時會報錯： import _ssl DLL error。需要手動安裝ssl包，命令是
conda install openssl，成功安裝后關閉命令行工具后重新打開，就可以正常使用jupyter notebook了。 -
如果跑模型過程中提示顯卡內存不夠分配了，可以把每個batch的規模調小一點，用時間換取空間。
祝大家學習順利，今天是2020年1月1日，新的10年開始了，祝無怨無悔。