fast.ai是一个开源库，旨在让深度学习变得更加易于接触和使用。由Jeremy Howard和Rachel Thomas创立，提供了丰富的资源，包括课程、软件和研究论文，全部免费提供。2020年8月，fast.ai发布了fastai_v2版本，承诺将提供更快、更灵活的深度学习框架实现。本文将探讨fast.ai初学者课程的前三个课程中教授的技术，即如何快速构建一个简单图像分类模型，并学习如何轻松开发该模型的web应用并部署到生产环境。
要理解本文内容，需要具备Python知识，因为fast.ai是用Python编写的，并且构建在PyTorch之上。建议在Google Colab或Gradient平台上运行代码，因为需要GPU访问。fast.ai也可以轻松安装在这两个平台上。
首先，安装fast.ai并导入必要的库。如果使用的是Colab，则需要提供访问Google Drive的权限以保存文件和图像。可以从Kaggle和Bing图像搜索等来源下载任何图像数据集。fast.ai也有大量的图像集合。本文使用了一组胸部X光图像数据集。
!pip install -Uqq fastbook
import fastbook
fastbook.setup_book()
from fastbook import *
from fastai.vision.widgets import *
保存数据集位置路径到Path()对象中。如果使用的是fast.ai数据集，则可以使用以下代码：
path = untar_data(URLs.PETS)/'images'
这将下载并提取fast.ai PETS数据集中的图像。