在深度学习领域，最受学生欢迎的MOOC课程平台有三个：Fast.ai、deeplearning.ai /Coursera和Udacity。Fastai作为其中之一，是一个课程平台，一个讨论社区，也是一个PyTorc的顶层框架。Fastai的理念就是：Making neural nets uncool again，让神经网络没那么望而生畏，其课程也是采用项目驱动的方式教学。经过Fast.ai团队和PyTorch团队的共同努力，我们迎来了一个为计算机视觉、文本、表格数据、时间序列、协同过滤等常见深度学习应用提供单一一致界面的深度学习库。这意味着，如果你已经学会用fastai创建实用的计算机视觉（CV）模型，那你就可以用同样的方法创建自然语言处理（NLP）模型，或是软件支持的其他模型。
类似Keras，Fastai不只是将PyTorch功能封装了比较“亲切”的API，而是让PyTorch的强大之处易用了。
首先需要注意的是：fastai v1目前只支持Linux，需要PyTorch v1和Python 3.6或更高版本。Windows支持正处于实验阶段:它应该可以正常工作，但是速度慢得多，测试也不太好。由于macOS目前没有良好的_Nvidia GPU _支持，目前没有优先考虑macOS上的开发。
fastai-1.x可以使用conda或pip包管理器，也可以从源代码安装。安装之前，首先需要安装正确的pytorch版本，PyTorch v1和Python 3.6是最低版本要求。从pytorch-1.x开始，不再需要安装特殊的pytorch-cpu版本。取而代之的是使用普通的pytorch，它可以在有或没有图形处理器的情况下工作。强烈建议在虚拟环境(conda或其他环境)中安装fastai及其依赖项，这样就不会干扰系统范围的python包。这并不是必须的，但是如果遇到任何依赖包的问题，请考虑为fastai使用一个新的虚拟环境。
Conda Install
conda install -c pytorch -c fastai fastai
这将使用最新的cudatoolkit版本安装pytorch。 如果您需要更高或更低的CUDA XX版本（例如CUDA 9.0），请按照此处的说明安装所需的pytorch版本。
请注意，JPEG解码可能会成为性能瓶颈，尤其是在拥有一个快速GPU的情况下。 您可以选择安装优化的JPEG解码器，如下所示（Linux）：
conda uninstall --force jpeg libtiff -y
conda install -c conda-forge libjpeg-turbo pillow==6.0.0
CC="cc -mavx2" pip install --no-cache-dir -U --force-reinstall --no-binary :all: --compile pillow-simd
PyPI Install
pip install fastai
默认情况下，pip将使用最新的cudatoolkit安装最新的pytorch。 如果您的硬件不支持最新的cudatoolkit，请按照此处的说明安装适合您硬件的pytorch构建。
Bug Fix Install
如果在git中进行了错误修复，并且你迫不及待发布的新版本，则可以使用以下方法安装fastai的最新版本：
pip install git https://github.com/fastai/fastai.git
Developer Install
git clone https://github.com/fastai/fastai
cd fastai
tools/run-after-git-clone
pip install -e ".[dev]"
接下来，可以通过启动jupyter notebook来测试构建是否有效。请参阅CONTRIBUTING.md 和Notes For Developers ，以了解有关如何为fastai项目做出贡献的更多详细信息。
欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/
欢迎关注PyTorch官方中文教程站：
http://pytorch.panchuang.net/
OpenCV中文官方文档：
http://woshicver.com/