本帖最后由 易学智能 于 2020-5-27 15:49 编辑
教程分以下内容
1.介绍fastai教程位置
2.介绍fastai数据集的位置与使用
3.介绍fastai模型文件的位置与使用
4. 介绍如何在平台上跑通fastai
【Fastai的数据集与模型文件，下载较慢。因此，我们将fastai教程涉及的数据集与权值文件，都下载了。每次开机后，只需要将它们放到对应的位置，就可避免下载】
1.fastai教程位置
华中一区： /home/ubuntu/MyFiles/PublicData_1/fast.ai/course-v3
华东一区：/home/ubuntu/MyFiles/PublicData/data_extentd_1/fast.ai/course-v3
2.数据集位置
华中一区： /home/ubuntu/MyFiles/PublicData_1/fast.ai/fast.ai_datasets
华东一区： /home/ubuntu/MyFiles/PublicData/data_extentd_1/fast.ai/fast.ai_datasets
3. 模型文件的位置 华中一区：/home/ubuntu/MyFiles/PublicData/model/pytorch 华中二区：/home/ubuntu/MyFiles/PublicData/model/pytorch
Fastai教程如何使用？
1. 开机
操作系统为Ubuntu，
建议选用显存较大的显卡，如1080ti、TitanX、TitanXP、2080ti等。若选用1050ti等显卡，出现OOM错误，则请改选大显存的显卡。
开机环境选择。请选择名字中含有fastai的开发环境。如下所示。注意，随着平台升级，下图可能不反映最新状态。
2. 复制fastai教程到本地。
将教程，复制到user_space并解压。
解压命令：tar zxvf course-v3.tar.gz
若并非第一次使用，且上次已保存修改后的教程(参见第5步)，也请复制自己保存的教程到user_space。
3. 复制数据集到本地。
复制数据集到本地的指定位置：/home/ubuntu/.fastai/data。
若本地目录不存在，请自行建立。
然后解压。
解压命令：tar -xzvf name.tar.gz, 或者： tar -xvf name.tar.gz
注意：部分文件并未压缩，因此-z的选项不要使用。
3. 复制模型到本地。
复制模型到本地的指定位置
若本地的目录不存在，请自行建立。
命令示例：
例如，复制vgg16
cp -r /home/ubuntu/MyFiles/PublicData/model/pytorch/vgg16/ /home/ubuntu/.fastai/models/
4. 打开代码，修改代码，然后跑代码。
打开代码：请直接在控制台-连接-Jupyter，进入到fastai教程目录(如user_space)，然后打开ipynb文件。】
修改代码：以课程一为例，做出如下修改（注释掉红框部分，修改蓝框部分）。其他课程类似。
why修改：以上注释掉的代码，如untar_data这个函数，作用是去网络下载数据，而我们的数据已在本地，故不再需要。
修改路径，是为了指向数据集、权值文件等的本地地址。
其他课程，若遇到问题，请参考本步骤，去做修改。
注意：若缺少某个包，请使用 pip install xxx --user进行安装。
5. 跑完后，请将course-v3目录打包，并存储到MyFiles目录。以备下次使用。
注意：
Fastai的数据集和模型，存储目录不在MyFiles。每次关机后，这些目录的文件都会丢失。
因此，下次开机使用时，对所需要的数据集、模型，重复以上步骤，再次操作一遍。
建议用户将fastai的数据集与模型，每次运行时放于user_space，而不是MyFiles。这样，虽然每次开机都要复制解压，但运行速度快很多。
| 
发表于 2019-8-28 08:20:34
楼主