简介
官方文档翻译：Fastai库使用现代最佳实践简化了快速而准确的神经网络的训练。 它基于对fast.ai进行的深度学习最佳实践的研究，包括对视觉，文本，表格和协作（协作过滤）模型的“开箱即用”支持。 如果您正在寻找源代码，请转到GitHub上的fastai存储库。
- Fastai是一个课程平台，一个讨论社区，也是一个PyTorc的顶层框架。Fastai的理念就是让神经网络没那么望而生畏，其课程也是采用项目驱动的方式教学。（不同于很多深度学习课程先教授大量的数学基础，各有利弊）
- 目前fastai只在Linux下稳定，mac和windows下不保证稳定性。
- Fastai类似Keras，封装顶层框架，对新手比较友好。Keras的后端框架为TensorFlow和Theano，而Fastai的后端为PyTorch。（比起TensorFlow其实PyTorch没有那么上手难）
- 而且，类似Keras，Fastai不只是将PyTorch功能封装了比较“亲切”的API，而是让PyTorch的强大之处易用了。
为什么突然介绍Fastai？第一，这个框架很强，类似Keras；第二，基于PyTorch有动态算图优势；第三，现在的Kaggle深度赛，很多人都在逐渐使用Fastai。（这和1.0稳定版发布有关系）
实例：
from fastai.vision import models, URLs, ImageDataBunch, cnn_learner, untar_data, accuracy
path = untar_data(URLs.MNIST_SAMPLE) # 下载数据集，这里只是MNIST的子集，只包含3和7的图像,会下载并解压（untar的命名原因）到/root/.fastai/data/mnist_sample（如果你是root用户）下，包含训练数据，测试数据，包含label的csv文件
data = ImageDataBunch.from_folder(path) # 利用ImageDataBunch读取文件夹，返回一个ImageDataBunch对象
learn = cnn_learner(data, models.resnet18, metrics=accuracy) # 构建cnn模型，使用resnet18预训练模型
learn.fit(10) # 训练一轮但是我们初次使用fastai时出现下面这个错误：
RuntimeError: cuda runtime error (11) : invalid argument at /pytorch/aten/src/THC/THCGeneral.cpp:383
这是由于安装错误引起的，开始使用pip install fastai，编译就出现上面的错误。此时需要重新安装：
conda install -c pytorch -c fastai fastai
运行结果：
其他可参见官方文档
