From 2cf826cea0d7e10dc8a51422f9b4ae0ed2e1b8b2 Mon Sep 17 00:00:00 2001 From: zhiqiang feng Date: Fri, 10 Apr 2026 21:24:22 +0800 Subject: [PATCH] =?UTF-8?q?ingest:=20fast.ai=20=E8=AF=BE=E7=A8=8B=E6=96=87?= =?UTF-8?q?=E6=A1=A3=20=E2=80=94=20Part=201+2=20=E5=85=A8=E9=83=A8?= =?UTF-8?q?=E8=AF=BE=E6=97=B6=E5=86=85=E5=AE=B9?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../flight-operations/fast-ai-course.md | 150 ++++++++++++++++++ airport-wiki/index.md | 3 +- airport-wiki/log.md | 8 + 3 files changed, 160 insertions(+), 1 deletion(-) create mode 100644 airport-wiki/concepts/flight-operations/fast-ai-course.md diff --git a/airport-wiki/concepts/flight-operations/fast-ai-course.md b/airport-wiki/concepts/flight-operations/fast-ai-course.md new file mode 100644 index 0000000..d1e02a9 --- /dev/null +++ b/airport-wiki/concepts/flight-operations/fast-ai-course.md @@ -0,0 +1,150 @@ +--- +title: fast.ai 课程 — Practical Deep Learning for Coders +created: 2026-04-10 +updated: 2026-04-10 +type: concept +tags: [deep-learning, course, fastai, pytorch, stable-diffusion] +sources: [https://course.fast.ai/] +--- + +# fast.ai 课程 — Practical Deep Learning for Coders + +## 概述 + +| 项目 | 内容 | +|------|------| +| **课程名称** | Practical Deep Learning for Coders | +| **发布方** | fast.ai（Jeremy Howard & Rachel Thomas）| +| **授课地点** | University of Queensland（Part 1, 2022）| +| **课程性质** | 免费，无需大学数学基础 | +| **前置要求** | 有一定编程经验 | +| **软件栈** | PyTorch、fastai、Hugging Face | +| **视频播放量** | 600 万+ 次 | +| **配套书籍** | [*Deep Learning for Coders with fastai and PyTorch*](https://www.amazon.com/dp/1492045527)（Amazon 5星，免费在线阅读）| + +fast.ai 课程的核心理念：**"Deep Learning is for everyone"**。课程设计强调实践优先、理论从实践出，不要求事先掌握线性代数或微积分——所需数学会在课程中按需教授。 + +--- + +## Part 1：Practical Deep Learning（基础篇） + +**9 节课时，每节约 90 分钟** + +| 课时 | 主题 | 核心内容 | +|------|------|---------| +| L1 | [Getting started](https://course.fast.ai/Lessons/lesson1.html) | 5 分钟跑通第一个模型；计算机视觉 end-to-end 训练流程；图像分类实战（is-it-a-bird）| +| L2 | [Deployment](https://course.fast.ai/Lessons/lesson2.html) | 模型部署；Gradio / Hugging Face Spaces；将模型发布为 Web 服务 | +| L3 | [Neural net foundations](https://course.fast.ai/Lessons/lesson3.html) | 反向传播直观理解；激活函数；损失函数；fastai 的训练循环 | +| L4 | [Natural Language (NLP)](https://course.fast.ai/Lessons/lesson4.html) | 文本分类；语言模型微调；Hugging Face Transformers | +| L5 | [From-scratch model](https://course.fast.ai/Lessons/lesson5.html) | 从零实现神经网络；Python 底层代码；理解每一行计算 | +| L6 | [Random forests](https://course.fast.ai/Lessons/lesson6.html) | 随机森林；梯度提升；表格数据分析；scikit-learn | +| L7 | [Collaborative filtering](https://course.fast.ai/Lessons/lesson7.html) | 推荐系统；嵌入表示；协同过滤实战 | +| L8 | [Convolutions (CNNs)](https://course.fast.ai/Lessons/lesson8.html) | 卷积神经网络原理；ResNet 架构；计算机视觉深度模型 | +| Bonus | [Data Ethics](https://course.fast.ai/Lessons/lesson8a.html) | 数据伦理；算法偏见；AI 负责任部署 | + +**Part 1 能解决的问题类型：** +- 计算机视觉（图像分类、目标检测、分割） +- 自然语言处理（文本分类、情感分析） +- 表格数据分析（结构化数据建模） +- 协同过滤（推荐系统） +- 随机森林与回归模型 +- 模型部署（Web 服务） + +--- + +## Part 2：Deep Learning Foundations to Stable Diffusion（进阶篇） + +**17+ 节课时，30+ 小时视频** + +**前置要求：** 完成 Part 1，或具备以下同等能力： +- 能从零手写 SGD 训练循环 +- 熟悉 Kaggle 竞赛级深度学习实战 +- 熟练使用 PyTorch 和 fastai 进行 NLP/CV 建模 + +**Part 2 核心理念：** 从零实现 Stable Diffusion——那个让互联网震惊的 AI 生图 killer app。课程与 Stability.ai 和 Hugging Face Diffusers 团队深度合作，确保覆盖最新技术。 + +| 课时 | 主题 | 核心内容 | +|------|------|---------| +| L9 | [Stable Diffusion](https://course.fast.ai/Lessons/lesson9.html) | Diffusers 库使用；Pipeline API；文生图；扩散模型直观理解 | +| L10 | [Diving Deeper](https://course.fast.ai/Lessons/lesson10.html) | 深入 diffusion 机制；噪声调度；条件控制 | +| L11 | [Matrix multiplication](https://course.fast.ai/Lessons/lesson11.html) | 矩阵乘法底层；CUDA 优化；GPU 计算原理 | +| L12 | [Mean shift clustering](https://course.fast.ai/Lessons/lesson12.html) | 聚类；均值漂移；embedding 空间分析 | +| L13 | [Backpropagation & MLP](https://course.fast.ai/Lessons/lesson13.html) | 反向传播推导；多层感知机实现 | +| L14 | [Backpropagation](https://course.fast.ai/Lessons/lesson14.html) | 自动求导机制；PyTorch autograd 深入 | +| L15 | [Autoencoders](https://course.fast.ai/Lessons/lesson15.html) | 自编码器；变分自编码器（VAE）；latent 空间 | +| L16 | [The Learner framework](https://course.fast.ai/Lessons/lesson16.html) | fastai Learner 框架设计；训练循环抽象 | +| L17 | [Initialization/normalization](https://course.fast.ai/Lessons/lesson17.html) | 权重初始化；BatchNorm/LayerNorm；训练稳定性 | +| L18 | [Accelerated SGD & ResNets](https://course.fast.ai/Lessons/lesson18.html) | 动量 SGD；ResNet 跳跃连接；优化器深入 | +| L19 | [DDPM and Dropout](https://course.fast.ai/Lessons/lesson19.html) | DDPM（Denoising Diffusion Probabilistic Models）；Dropout 理论 | +| L20 | [Mixed Precision](https://course.fast.ai/Lessons/lesson20.html) | FP16/BF16 混合精度训练；梯度缩放；节省显存 | +| L21 | [DDIM](https://course.fast.ai/Lessons/lesson21.html) | DDIM（Denoising Diffusion Implicit Models）；加速采样 | +| L22 | [Karras et al (2022)](https://course.fast.ai/Lessons/lesson22.html) | 论文精读；EDM（Elucidating...）；改进 diffusion 采样 | +| L23 | [Super-resolution](https://course.fast.ai/Lessons/lesson23.html) | 图像超分辨率；diffusion 在图像增强中的应用 | +| L24 | [Attention & transformers](https://course.fast.ai/Lessons/lesson24.html) | Attention 机制；Transformer 架构；GPT 原理 | +| L25 | [Latent diffusion](https://course.fast.ai/Lessons/lesson25.html) | Latent Diffusion Model（Stable Diffusion 核心）；U-Net 在 latent 空间的计算 | + +**Bonus 视频：** +- [Lesson 9a](https://youtu.be/0_BBRNYInx8)（Stable Diffusion 进阶技巧） +- [Lesson 9b](https://youtu.be/mYpjmM7O-30)（Diffusers 细节） + +**Part 2 覆盖的关键技术栈：** +- Stable Diffusion / Latent Diffusion Model +- U-Net、CLIP embedding、VAE +- DDPM、DDIM、EDM（Karras 2022） +- Transformer / Attention 机制 +- 混合精度训练（FP16/BF16） +- 论文阅读方法论（如何读懂顶会论文并复现） + +--- + +## 配套资源 + +| 资源 | 链接 | 说明 | +|------|------|------| +| 官方书籍（免费在线）| [fast.ai/book](https://course.fast.ai/Resources/book.html) | 与 Part 1 完全对应 | +| 课程论坛 | [forums.fast.ai](https://forums.fast.ai) | 问答、组队学习 | +| Kaggle Notebooks | [course.fast.ai/Resources/kaggle](https://course.fast.ai/Resources/kaggle.html) | 所有课时 Notebook，可直接运行 | +| Paperspace Gradient | [$10 免费额度](https://gradient.run/notebooks) | GPU 云端运行（推荐，国内可访问）| +| 测试imonials | [course.fast.ai/Resources/testimonials](https://course.fast.ai/Resources/testimonials.html) | 学员反馈 | + +--- + +## fastai 库简介 + +**fastai** 是课程核心框架，建立在 PyTorch 之上，提供： + +- **高层 API**：`vision_learner`、`text_classifier_learner`、`tabular_learner` 等，一行代码构建训练流程 +- **DataLoaders**：统一的 DataLoader 封装，自动处理 transforms、splits +- **Learner**：训练循环抽象，内置 metrics、callbacks、fp16 +- **导出部署**：`learn.export()` 一键导出，可配合 Gradio/HuggingFace 部署 + +fastai 的设计哲学：**让研究员少写代码，让代码研究员能理解底层**。 + +--- + +## 学习路径建议 + +``` +入门路径： +1. Part 1 L1（Getting Started）→ 立刻跑出第一个模型，建立信心 +2. Part 1 L2（Deployment）→ 学会把模型上线，立即有获得感 +3. Part 1 L3-L8 → 系统掌握 CV/NLP/表格/推荐四大任务 +4. Part 1 Bonus（Data Ethics）→ 理解 AI 伦理风险 + +进阶路径（Part 2）： +5. Part 2 L9（Stable Diffusion）→ 生图实战，建立直觉 +6. Part 2 L13-L14（Backpropagation）→ 彻底理解训练过程 +7. Part 2 L16（Learner framework）→ 掌握 fastai 底层设计 +8. Part 2 L24（Attention & transformers）→ 大模型基础 +9. Part 2 L25（Latent diffusion）→ Stable Diffusion 核心原理 +``` + +--- + +## 相关页面 + +> [[ml-intro]]（机器学习入门概念） +> [[pytorch-basics]]（PyTorch 基础） +> [[transformer-architecture]]（Transformer 架构） +> [[diffusion-models]]（Diffusion 模型） +> [[huggingface-quickstart]]（Hugging Face 快速上手） diff --git a/airport-wiki/index.md b/airport-wiki/index.md index 559edfb..94f87a9 100644 --- a/airport-wiki/index.md +++ b/airport-wiki/index.md @@ -9,7 +9,7 @@ tags: [meta, index] # Wiki Index > 機場智能化工程 wiki — 涵蓋**智算中心技術**與**航班運營管理**兩大領域 -> Last updated: 2026-04-10 | Total pages: 44 +> Last updated: 2026-04-10 | Total pages: 36 --- @@ -125,6 +125,7 @@ airport-wiki/ | [[biometric-corridors]] | biometric, passenger, digital-identity, security | **生物特徵走廊** — 「出行一張臉」One Face Travel、關鍵技術棧、樟宜 T5 應用 | | [[aocc-ioc]] | aocc, ioc, a-cdm, system | **AOCC/IOC** — 機場運控中心、華為方案、18.38 億美元（2026）市場規模、10.38% CAGR | | [[universal-design-airports]] | passenger, human-centered-design, accessibility | **通用設計** — 全球首個 Universal Design 認證機場（PIT）、 ADA/ACI 無障礙標準 | +| [[fast-ai-course]] | deep-learning, course, fastai, pytorch | **fast.ai 課程** — Practical Deep Learning for Coders；Part 1（9課時CV/NLP/部署） + Part 2（17課時 Stable Diffusion 從零實現）| ### 運營方案 diff --git a/airport-wiki/log.md b/airport-wiki/log.md index fb03fd9..12d79db 100644 --- a/airport-wiki/log.md +++ b/airport-wiki/log.md @@ -198,6 +198,14 @@ tags: [meta, log] - 總計收錄約 200+ 縮寫，完整覆蓋智算中心 + 航班運營兩大領域 - 更新：glossary.md、index.md、log.md +## [2026-04-10] ingest | fast.ai Practical Deep Learning 課程文檔 + +- 來源：https://course.fast.ai/ 首頁 + L1/L9/part2 overview 頁面 +- 新建：concepts/flight-operations/fast-ai-course.md +- Part 1（9 課時）：Getting Started / Deployment / Neural Net Foundations / NLP / From-scratch / Random Forests / Collaborative Filtering / CNNs / Data Ethics +- Part 2（17 課時）：Stable Diffusion 從零實現 / Backpropagation / Autoencoders / Attention & Transformers / Latent Diffusion 等 +- 更新：index.md（Total pages: 35→36）、log.md + ## [2026-04-10] update | 重写 机场智算中心技术方案 - 基于 wiki 最新内容全面重写：GPU 集群拓扑、液冷 PUE/WUE/CUE 三级指标、IB NDR 400G 组网、存储架构、国产化方案 - 修正：GB200 NVL72 HBM3e 带宽 16 TB/s（原错误值已更正）、HGX H100 NVSwitch 6 芯片拓扑、昇腾 HCCS 392 GB/s（原误写 128 GB/s）