问题标签 [fast-ai]

我正在设置一个脚本，我需要使用 package.json 中的一些函数fast-ai。事实是我在 Windows 上，当我定义路径时，fast-ainamed的函数load_learner无法加载模型。

我试图将函数更改为包：

state = pickle.load(open(str(path) + '/' + str(fname), 'rb'))

代替：

state = pickle.load(open(path/fname, 'rb'))

但我收到此错误：

我的路径定义为：

我把这个函数称为： model = load_learner(folder_path, fname)

如何在此函数中使用 Windows 路径？

更新 1

发布的答案仅在 Linux 上是正确的。我在 Windows 上仍然有这个问题。我没有找到在 Windows 上通过 PosixPath 的方法。我发现的唯一解决方案是从我的模块中更改内部包，但这不是解决此类问题的安全方法。

提前致谢。

我正在尝试使用 fastai 的库，但是这些库中内置的一些数据访问工具依赖于 HTML 对象。例如，DataBunch.show_batch 属性生成一个在 Jupyter 中最容易使用的 HTML 对象。我需要在 GCP（或其他云）上运行测试，问题如下：

• fastai 有一些依赖于 Python3.6 或更高版本的库（新的字符串格式）
• GCP 没有与 Jupyter NB 交互的好方法。我设置它时遇到了一些麻烦，但后来我的电脑需要重新格式化，现在我在质疑是否应该重新设置。之前的方法主要是基于此。
• GCP 显然有一些东西可以在它和 Jupyter NB 之间提供一个接口，称为 Datalab。但是，根据此链接，Datalab 不支持 Py3.6 或更高版本。

我看到几个选项：

1. 通过继承 fastai 的库并完全跳过 Jupyter 来开发我自己的数据可视化技术
2. 以不同的方式创建 Jupyter-to-GCP 接口，基本上是重做上面第二个要点中链接中的步骤。
3. 使用我在 Datalab 上经常听到的一个容器 ( docker )，它允许我使用我自己的 Python 版本

有没有人有其他选择我可以如何建立这种联系？如果没有，任何人都可以提供如何完成 1、2 或 3 的其他链接吗？

我能够使用快速人工智能微调语言模型。我想从用于句子相似性的微调模型中提取句子嵌入。如何获得编码器模型嵌入？嵌入也可以与其他模型（如 USE）中的其他嵌入进行比较吗？

我的代码在上面我如何从学习中获取编码？

是否可以对尺寸与训练数据不同的图像进行预测？我已经在一定尺寸（1000*1000）的图片上训练了一个 unet_learner 并将其导出以供以后使用。

然后我用以下内容加载它：

但是如果输入图像的大小不同会怎样呢？

对机器学习、fastai、pytorch 和 python 来说非常陌生，我试图在手动修改图像后调整 LearnerCallback 来进行转换。当我开始我的 learn.fit_one_cycle 时，它​​会立即中断，如下所示：

我试过坚持.to(torch.device('cuda'))我能想到的所有地方

倒数第二行中的“apply_tfms”是回溯中的罪魁祸首，其结尾为：

有没有一种方法可以在 LearnerCallback 中应用转换而不会出现该错误，或​​者有一种替代方法可以在 apply_tfms 在修改后的输入和目标图像上运行相同的转换之前添加我的 LearnerCallbacklearn.callback_fns.append以运行？我需要来自目标图像的像素信息来修改输入图像。我还需要在培训和验证期间应用此过程。

如果它有任何区别，即使我没有在 apply_tfms 之前修改克隆的图像，我也会得到相同的错误。

我有一个在谷歌云平台上运行的 VM 实例。我按照此处的说明操作：https : //towardsdatascience.com/running-jupyter-notebook-in-google-cloud-platform-in-15-min-61e16da34d52 为实例设置 Jupyter 笔记本。如果我打开 python3 笔记本，我可以导入某些包（等，matplotlib），但由于某种原因，如果我尝试导入 wget 或 fastai，我会收到

ImportError：没有名为“fastai”的模块

或者

ImportError：没有名为“wget”的模块

该实例是一个预构建的 pytorch 深度学习设置，它应该与 fastai 一起提供，并且 wget 在任何类型的安装之前都可以在 SSH 终端中运行。无论如何，我已经尝试使用 conda 和 pip 命令安装 wget 和 fastai，但都没有使这些模块在 jupyter 中可访问。我假设因为这些模块是在这种情况下预先构建的，所以我需要以不同的方式访问/导入它们？

如果在 SSH 终端（没有任何 conda/pip 安装）我问whereis wget，我收到：

wget: /usr/bin/wget /opt/anaconda3/bin/wget /usr/share/man/man1/wget.1.gz /usr/share/info/wget.info.gz

如果在 SSH 终端（没有任何 conda/pip 安装）我问whereis fastai，我收到：

法泰：

我怎样才能让导入工作？

如果在我的 Jupyter 笔记本中运行：

我得到：

/home/me/anaconda3/lib/python3.5/site-packages/pip/_vendor/requests/init .py :83：RequestsDependencyWarning：旧版本的密码学（[1, 3]）可能会导致速度变慢。warnings.warn(warning, RequestsDependencyWarning) 要求已经满足：wget in /home/me/anaconda3/lib/python3.5/site-packages (3.2) ----------------- -------------------------------------------------- -------- ImportError Traceback (最近一次调用最后一次) in 4 import yaml 5 get_ipython().system('pip install wget') ----> 6 import wget

ImportError：没有名为“wget”的模块

快速更新：已经安装了 wget 和 fastai 似乎确实存在一些问题。我无法导入，但我可以使用我的 jupyter 笔记本中的模块。所以wget.download(stuff)提出了一个

NameError：名称'wget'未定义错误

但!wget.download(stuff)有效。

仍然希望能够导入。但是，有没有办法引用 fastai 基类？现在如果我尝试

我得到：

NameError：未定义名称“LearnerCallback”

我认为这是由于未进口的fastai。我该如何解决这个问题？

Whenever I export a fastai model and reload it, I get this error (or a very similar one) when I try and use the reloaded model to generate predictions on a new test set:

Minimal reprodudeable code example below, you just need to update your FILES_DIR variable to where the MNIST data gets deposited on your system:

Output:

"RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.cuda.HalfTensor) should be the same"

Stepping through the code statement by statement, everything works fine until the last line pred = ... which is where the torch error above pops up.

Relevant software versions:

Python 3.7.3 fastai 1.0.57
torch 1.2.0
torchvision 0.4.0

我在 Kaggle 上使用 FastAi 构建了一个文本分类器，在尝试导出经过训练的模型时出现以下错误 - TypeError: unsupported operand type(s) for /: 'str' and 'str'

我尝试设置更精简的模型目录和工作目录的路径。

我得到的错误是 -

我想以这种方式添加额外的增强：

但我得到错误：

根据文档xtra_tfms：Optional[ Collection[ ]]= ) →  [ ] Transform NoneCollection Transform

如何让它工作？

我参加了 APTOS 2019 kaggle 比赛，并试图在 5 折上合奏，但我在正确实施 StratifiedKFold 时遇到问题。

我曾尝试在 fastai 讨论上进行谷歌搜索，但我没有看到任何解决方案。我正在使用 fastai 库并有一个预训练的模型。

我想使用从 skf.split 获得的折叠来训练我的模型，但我不知道该怎么做。