fastai：一個在高層次生產力與低層次研究彈性之間取得平衡的深度學習函式庫

它解決了什麼問題

fastai 是一個深度學習函式庫，旨在讓標準深度學習領域的最先進成果變得易於取得且容易實現。它彌合了想要快速產出成果的實務使用者所需的高層次元件與需要彈性與可自行改寫以開發新方法的研究者所需的低層次元件之間的差距。

它如何運作

fastai 基於 PyTorch 建構，採用分層的解耦抽象架構。這讓使用者可以自行選擇使用的 API 層級——從用於影像分類或文字情感分析等標準任務的高層次、簡潔程式碼，到用於自訂研究的低層次建構模組。主要技術特點包括：GPU 最佳化的電腦視覺函式庫、創新的雙向回呼系統以調整訓練流程、新的資料區塊 API，以及為 Python 設計的自訂型別分派系統。

目標對象

此函式庫同時適用於希望快速建構與部署模型的深度學習實務者，以及需要高度可配置框架來實驗新深度學習技術的研究者。

重點特色

• 擁有分層 API，兼具易用性與深度可改寫性
• 支援影像分類、影像分割、文字情感分析、推薦系統與表格模型
• 提供 GPU 最佳化的電腦視覺函式庫
• 具備彈性的雙向回呼系統，可在訓練過程中修改資料、模型或優化器
• 可與 PyTorch 及其他基於 PyTorch 的函式庫無縫整合