大半個月前，fast.ai在博客上宣布fastai 1.0版發布，之后很快在GitHub上發布了1.0.5測試版，半個月前發布1.0.6正式版。由于剛發布不久，網上關于fastai 1.0的教程極少，因此，我們編寫了這篇入門教程，以一個簡單的圖像分類問題（異形與鐵血戰士）為例，帶你領略fastai這一高層抽象框架驚人的簡潔性。

注意，fastai最近的更新節奏很瘋狂：

好在按照語義化版本的規矩，動的都是修訂號，所以這篇教程在這些版本上應該都適用。不過，以防萬一，給出我們使用的版本號供參考：

fastai 1.0.15

pytorch-nightly-cpu 1.0.0.dev20181014

安裝

建議通過conda安裝。如果用的是最近的Nvidia顯卡，可以安裝GPU版本：

conda install -c pytorch pytorch-nightly cuda92

conda install -c fastai torchvision-nightly

conda install -c fastai fastai

顯卡不給力的話，可以安裝CPU版本：

conda install -c pytorch pytorch-nightly-cpu

conda install -c fastai torchvision-nightly-cpu

conda install -c fastai fastai

不用擔心，在遷移學習的加持下，本教程中的模型，即使是性能較低的機器，不到一小時也可訓練完畢。當然，如果使用GPU版，就更快了，幾分鐘搞定。

當然也可以通過pip安裝，甚至直接從源代碼編譯，詳見官方倉庫的README。

注意，不管是GPU版本，還是CPU版本，都需要python 3.6以上，如果是GPU版本，還需要正確配置顯卡驅動。

安裝好之后，我們可以通過以下語句引入fastai：

import fastai

from fastai import *

from fastai.vision import *

嚴格來說最后兩行并不必要，不過，加載模塊中的所有定義，可以使代碼看起來更簡潔，所以我們這里就加上了。

圖像分類示例

MNIST

深度學習入門的經典例子是MNIST手寫數字分類，實際上fastai的官方文檔開篇就是MNIST的例子：

path = untar_data(URLs.MNIST_SAMPLE)

data = ImageDataBunch.from_folder(path)

learn = create_cnn(data, models.resnet18, metrics=accuracy)

learn.fit(1)

只有四行！事實上，其中還有兩行是加載數據，然后最后一行是訓練，真正搭建模型只用一行！如果你接觸過其他深度學習框架，也許立刻就會意識到fastai恐怖的簡潔性。反正我第一次看到的反應就是：“我靠！這也行！？”

不過MNIST分類實在是太過經典，幾乎每篇入門教程都用，說不定有些人已經看吐了。而且，黑白手寫數字分類，在當前背景下，太過古老，體現不了近年來深度學習在計算機視覺領域的突飛猛進。所以，我們還是換一個酷炫一點的例子吧。

異形大戰鐵血戰士

換個什么例子呢？最近上映了一部新的《鐵血戰士》，我們不如做個鐵血戰士和異形的分類器吧（以前還有部《異形大戰鐵血戰士》，不妨假想一下，鐵血戰士的HUD依靠神經網絡區分敵我）。

圖片來源： frolic.media

數據集

要做這樣一個分類器，首先需要數據集。這很簡單，網絡上鐵血戰士和異形的圖片太多了。不過，在自己動手搜集圖片之前，我們先檢查下有沒有人做過類似的工作。

這里安利下Google的數據集搜索，找數據集很方便：https://toolbox.google.com/datasetsearch/

用“alien predator”一搜，還真有，第一個結果就是Kaggle上的Alien vs. Predator images：

這些圖像是通過Google圖像搜索搜集的JPEG縮略圖（約250×250像素），訓練集、驗證集的每個分類各有347、100張圖像樣本。

從Kaggle下載數據后，我們將validation文件夾改名為valid，得到以下的目錄結構：

|-- train

|-- alien

|-- predator

|-- valid

|-- alien

|-- predator

這一目錄結構符合fastai組織數據的慣例。

數據預處理

之前MNIST的例子中，我們是這樣加載數據的：

path = untar_data(URLs.MNIST_SAMPLE)

data = ImageDataBunch.from_folder(path)

我們直接使用URLs.MNIST_SAMPLE，fastai會自動下載數據集并解壓，這是因為MNIST是fastai的自帶數據集。fastai自帶了MNIST、CIFAR10、Wikitext-103等常見數據集，詳見fastai官網：https://course.fast.ai/datasets

而我們要使用的是非自帶數據集，所以只需像之前提到的那樣，在相關路徑準備好數據，然后直接調用ImageDataBunch.from_folder加載即可。

不過，上面的MNIST例子中，出于簡單性考慮，沒有進行預處理。這是因為MNIST圖像本身比較齊整，而且MNIST非常簡單，所以不做預處理也行。我們的異形和鐵血戰士圖片則需要做一些預處理。

首先，大多數卷積神經網絡的輸入層形狀都是28、32、64、96、224、384、512之類的數字。而數據集中的圖片邊長約為250像素，這就需要縮放或者裁切一下。

其次，絕大多數圖像分類任務，都需要做下數據增強。一方面增加些樣本，以充分利用數量有限的樣本；另一方面，也是更重要的一方面，通過平移、旋轉、縮放、翻轉等手段，迫使模型學習圖像更具概括性的特征，緩解過擬合問題。

如果你平時積累了一些不依賴框架的圖像增強函數（比如，基于numpy和scipy定義），那圖像增強不算太麻煩。不過，你也許好奇，fastai有沒有內置圖像增強的功能？

有的。實際上，上面說了一大堆，體現到代碼就是一句話：

data = ImageDataBunch.from_folder('data', ds_tfms=get_transforms(), size=224)

前面MNIST的例子中，我們看到，fastai只需一個語句就可以完成加載數據集的任務，這已經足夠簡潔了。現在我們加上預處理，還是一個語句，只不過多了兩個參數！

現在我們回過頭來，再看看from_folder這個方法，它根據路徑參數獲取數據集目錄，然后根據目錄結構區分訓練集、驗證集、分類集，根據目錄名稱獲取樣本的分類標簽。這種API的設計極為簡潔，避免了很多冗余的“模板代碼”。類似地，fastai的ImageDataBunch類還有from_csv、from_df等方法，從CSV文件或DataFrame加載數據。

size參數指定了形狀，ds_tfms指定了預處理邏輯，兩個參數完成預處理工作。get_transforms()則是fastai的內置方法，提供了適用于大多數計算機視覺任務的默認數據增強方案：

以0.5的概率隨機水平翻轉

以0.75的概率在-10與10度之間旋轉

以0.75的概率在1與1.1倍之間隨機放大

以0.75的概率隨機改變亮度和對比度

以0.75的概率進行隨機對稱扭曲

get_transforms()充分體現了fastai的高層抽象程度。fastai的使用者考慮的是我需要應用常見的數據增強方案，而不是具體要對圖像進行哪些處理。

在設計模型之前，我們先簡單地檢查下數據加載是否成功：

data.show_batch(rows=3, figsize=(6,6))

看起來沒問題。

順便提下，如果使用GPU版本，建議再傳入一個bs參數，指定下batch大小，比如bs=32，以便充分利用GPU的并行特性，加速之后的訓練。

化神經網絡為平常

之前提到，MNIST例子中的核心語句（指定網絡架構）其實只有一行：

learn = create_cnn(data, models.resnet18, metrics=accuracy)

其實我們這個異形、鐵血戰士的模型架構也只需一行：

learn = create_cnn(data, models.resnet50, metrics=accuracy)

幾乎和MNIST一模一樣，只是把模型換成了表達力更強、更復雜的ResNet-50網絡，畢竟，異形和鐵血戰士圖像要比黑白手寫數字復雜不少。

正好，提供異形、鐵血戰士數據集的Kaggle頁面還提供了分類器的Keras實現和PyTorch實現。我們不妨把網絡架構部分的代碼抽出來對比一下。

首先，是以API簡潔著稱的Keras：

conv_base = ResNet50(

include_top=False,

weights='imagenet')

for layer in conv_base.layers:

layer.trainable = False

x = conv_base.output

x = layers.GlobalAveragePooling2D()(x)

x = layers.Dense(128, activation='relu')(x)

predictions = layers.Dense(2, activation='softmax')(x)

model = Model(conv_base.input, predictions)

optimizer = keras.optimizers.Adam()

model.compile(loss='sparse_categorical_crossentropy',

optimizer=optimizer,

metrics=['accuracy'])

然后，是以易用性著稱的PyTorch：

device = torch.device("cuda:0"if torch.cuda.is_available() else"cpu")

model = models.resnet50(pretrained=True).to(device)

for param in model.parameters():

param.requires_grad = False

model.fc = nn.Sequential(

nn.Linear(2048, 128),

nn.ReLU(inplace=True),

nn.Linear(128, 2)).to(device)

criterion = nn.CrossEntropyLoss()

optimizer = optim.Adam(model.fc.parameters())

對比一下，很明顯，論簡潔程度，PyTorch并不比一直打廣告說自己簡潔的Keras差。然后，雖然寫法有點不一樣，但這兩個框架的基本思路都是差不多的。首先指定模型的凍結部分，然后指定后續層，最后指定損失函數、優化算法、指標。

然后我們再看一遍fastai：

learn = create_cnn(data, models.resnet50, metrics=accuracy)

你大概能體會文章開頭提到的驚呼“這樣也行！？”的心情了吧。看起來我們只是指定了模型種類和指標，很多東西都沒有呀。

實際上，如果你運行過開頭提到的MNIST的代碼，就會發現一個epoch就達到了98%以上的精確度。很明顯，用了遷移學習，否則不會學得這么快。和Keras、PyTorch需要明確指出繼承權重、預訓練不同，fastai里遷移學習是默認配置。同理，后續層的層數、形狀、激活函數，損失函數，優化算法，都不需要明確指定，fastai可以根據數據的形狀、模型種類、指標，自動搞定這些。

fastai的口號是“makeing neural nets uncool again”（化神經網絡為平常），真是名不虛傳。

訓練和解讀

定下模型后，只需調用fit就可以開始訓練了，就像MNIST例子中寫的那樣。

不過，這次我們打算轉用fit_one_cycle方法。fit_one_cycle使用的是一種周期性學習率，從較小的學習率開始學習，緩慢提高至較高的學習率，然后再慢慢下降，周而復始，每個周期的長度略微縮短，在訓練的最后部分，允許學習率比之前的最小值降得更低。這不僅可以加速訓練，還有助于防止模型落入損失平面的陡峭區域，使模型更傾向于尋找更平坦的極小值，從而緩解過擬合現象。

圖片來源：sgugger.github.io

這種學習率規劃方案是Lesile Smith等最近一年剛提出的。fit_one_cycle體現了fastai的一個知名的特性：讓最新的研究成果易于使用。

先跑個epoch看看效果：

learn.fit_one_cycle(1)

結果：

epoch train_loss valid_loss accuracy

1 0.400788 0.520693 0.835106

嗯，看起來相當不錯。一般而言，先跑一個epoch是個好習慣，可以快速檢查是否在編碼時犯了一些低級錯誤（比如形狀弄反之類的）。但是fastai這么簡潔，這么自動化，犯低級錯誤的幾率相應也低了不少，也讓先跑一個epoch體現價值的機會少了很多。;-)

再多跑幾個epoch看看：

learn.fit_one_cycle(3)

結果：

epoch train_loss valid_loss accuracy

1 0.221689 0.364424 0.888298

2 0.164495 0.209541 0.909574

3 0.132979 0.181689 0.930851

有興趣的讀者可以試著多跑幾個epoch，表現應該還能提升一點。不過，我對這個精確度已經很滿意了。我們可以對比下Kaggle上的PyTorch實現跑3個epoch的表現：

Epoch1/3

----------

train loss: 0.5227, acc: 0.7205

validation loss: 0.3510, acc: 0.8400

Epoch2/3

----------

train loss: 0.3042, acc: 0.8818

validation loss: 0.2759, acc: 0.8800

Epoch3/3

----------

train loss: 0.2181, acc: 0.9135

validation loss: 0.2405, acc: 0.8950

fastai的表現與之相當，但是，相比PyTorch實現需要進行的編碼（已經很簡潔了），我們的fastai實現可以說是毫不費力。

當然，也不能光看精確度——有的時候這會形成偏差。讓我們看下混淆矩陣吧。

interp = ClassificationInterpretation.from_learner(learn)

interp.plot_confusion_matrix()

看起來很不錯嘛！

再查看下最讓模型頭疼的樣本：

interp.plot_top_losses(9, figsize=(10,10))

我們看到，這個模型還是有一定的可解釋性的。我們可以猜想，人臉、亮度過暗、畫風獨特、頭部在畫幅外或較小，都可能干擾分類器的判斷。如果我們想進一步提升模型的表現和概括能力，可以根據我們的猜想再收集一些樣本，然后做一些針對性的試驗加以驗證。查明問題后，再采取相應措施加以改進。

靈活性

本文的目的是展示fastai API的簡潔性和高層抽象性。不過，我們最后需要指出的一點是，fastai并沒有因此放棄靈活性和可定制性。

比如，之前為了符合fastai數據集目錄結構的慣例，我們在下載數據集后將validation重命名為valid。實際上，不進行重命名也完全可以，只需在調用ImageDataBunch的from_folder方法時，額外將validation傳入對應的參數即可。

再比如，如果我們的數據集目錄中，子目錄名作為標簽，但沒有按訓練集、驗證集、測試集分開，需要隨機按比例劃分。另外，我們還想手動指定數據增強操作列表。那么可以這樣加載數據集：

# 手動指定數據增強操作

tfms = [rotate(degrees=(-20,20)), symmetric_warp(magnitude=(-0.3,0.3))]

data = (ImageFileList.from_folder(path)

.label_from_folder() # 根據子目錄決定標簽

.random_split_by_pct(0.1) # 隨機分割10%為驗證集

.datasets(ImageClassificationDataset) # 轉換為圖像分類數據集

.transform(tfms, size=224) # 數據增強

.databunch()) # 最終轉換

我們上面明確羅列了數據增強操作。如果我們只是需要對默認方案進行微調的話，那么get_transforms方法其實有一大堆參數可供調整，比如get_transforms(flip_vert=True, max_rotate=20)意味著我們同時進行上下翻轉（默認只進行水平翻轉），并且增加了旋轉的角度范圍（默認為-10到10）。