使用Fastai和colab进行机器学习，简单猫狗图像识别

一、Fastai和colab简介

Fastai的目的就是让机器学习不再那幺高大上，它使用了现代最佳实践简化了快速准确的神经网络训练。fastai是一个课程平台，一个讨论社区，也是一个PyTorch的顶层框架。

Colaboratory 是谷歌的一个免费的 Jupyter 笔记本环境，不需要进行任何设置就可以快速使用，并且完全在云端运行。

借助 Colaboratory，可以编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，所有这些都可通过浏览器免费使用。选择用colab来做深度学习的最大优点就是它强大的GPU/TPU资源，对于深度学习的网络训练，并行计算用gpu速度可比cpu快得多。

所以通过在colab上运行fastai，就能免费地在云端训练我们的机器学习模型了。

二、安装

设置GPU加速：

安装fastbook：

!pip install -Uqq fastbook
import fastbook
fastbook.setup_book()

输入验证码以后就安装成功了。

然后会自动挂载你的google云盘，并创建目录。

至此，就已经安装完成，然后让我们开始写代码。

三、代码

本次训练用的数据集来自于Oxford-IIIT宠物数据集，包含了37种不同的猫狗图片。

首先下载图片：

获取图片文件，打印数量：

图片数据集为了方便我们知道哪些图片是猫，哪些图片是狗，特定在命名的时候以大小写进行了区分，大写的都是猫，小写的都是狗，所以我们可以写一个函数判断是猫还是狗，然后打上标签：

def label_func(f): return f[0].isupper()

创建数据加载器，并调整大小，然后打印出来：

然后创建一个学习模型，并进行微调：

learn = cnn_learner(dls, resnet34, metrics=error_rate)
learn.fine_tune(1)

训练完了以后，就可以进行预测了：