详细内容或原文请订阅后点击阅览
[Google Cloud] FastAI 2018 深度学习课程设置说明 - 开源库
在我之前的博客文章之后，我在线观看了 Jeremy Howard 的 FastAI 深度学习讲座。这是 2018 年深度学习版课程的链接 - 它完全免费，并且通过“实践”深入概念细节，提供了对实用深度学习的深刻见解。该课程的 FastAI 库是在 Pytorch 之上构建的，并提供了一个很好的顶级 API，可在几分钟内开始创建您的深度学习模型！设置库很困难，因为它依赖于不同的软件包版本，并且由于更新构建它的软件包而导致损坏。我将列出我为启动和运行它而遵循的设置。1. 按照 Medium.com 上的指南在 Google Cloud 上设置 Google 计算单元2. 我遇到的问题是 curl setup.sh 运行一堆命令来设置不同软件包的步骤。一些链接已经过时，这破坏了 setuo 脚本的流程。3.相反，我建议您使用 conda 方式安装所有依赖项，这种方式更加简单并且可以自行处理。这假设您已按照步骤 1 操作并设置了 Google Cloud Compute 单元。我强烈建议您使用 Google Cloud SDK 登录到云端。命令行通过 ssh 连接到 Google 云端计算机 -gcloud compute ssh --ssh-flag="-L" --ssh-flag="8888:127.0.0.1:8888"注意：额外的 ssh 标志允许我们将端口 8888 用作远程的本地主机
来源:Ankit-AI | 分享人工智能在我之前的博客文章之后，我在线观看了 Jeremy Howard 的 FastAI 深度学习讲座。
这是 2018 年深度学习版课程的链接- 它完全免费，并且通过“实践”深入概念细节的实践方法，深入了解实用的深度学习。
本课程的 FastAI 库是在 Pytorch 之上构建的，并提供了良好的顶级 API，可在几分钟内开始创建您的深度学习模型！
设置库很困难，因为它依赖于不同的软件包版本，并且由于更新所基于的软件包而导致损坏。我将列出我为启动和运行它而遵循的设置。
1. 按照
Medium.com 上的指南在 Google Cloud 上设置 Google Compute Unit2. 我遇到的问题是使用 curl setup.sh 运行一堆命令来设置不同软件包的步骤。一些链接已经过时，这会破坏 setuo 脚本的流程。
3. 相反，我建议您使用 conda 方式安装所有依赖项，这种方式更简单，而且可以自行完成。
这假设您已按照步骤 1 操作并设置了 Google Cloud Compute unit。
我强烈建议您使用 Google Cloud SDK 登录云。
命令行通过 ssh 连接到 Google 云计算机 -
gcloud compute ssh --ssh-flag="-L" --ssh-flag="8888:127.0.0.1:8888"注意：额外的 ssh 标志允许我们将端口 8888 用作远程计算机的本地主机，这样当您进入第 4 步时，生活就会变得更加轻松。
接下来，按照这些命令克隆 FasiAI 存储库并创建具有包依赖项的 conda 环境。
git clone https://github.com/fastai/fastai.gitcd fastaiconda env create -f environment.yml git clone https://github.com/fastai/fastai.git cd fastaiconda env create -f environment.yml然后使用以下命令激活该环境：
然后使用以下命令激活该环境：conda activate fastai
conda activate fastai
conda
资源 -
此处