主题：技术

• 快发布新的深度学习课程，四个库和600页的书 (21 Aug 2020)
  
• fastai –深度学习的分层API (13 Feb 2020)
  
• 您自己的带有GitHub Pages和fast_template的博客（共4部分） (20 Jan 2020)
  
• 使用Jupyter Notebook博客 (20 Jan 2020)
  
• 截图截图 (19 Jan 2020)
  
• 将博客与PC同步，并使用文字处理器 (18 Jan 2020)
  
• 您自己的托管博客，简单，免费，开放的方式（即使您不是计算机专家） (16 Jan 2020)
  
• 自我监督学习和计算机视觉 (13 Jan 2020)
  
• 数据项目清单 (07 Jan 2020)
  
• nbdev：使用Jupyter Notebooks进行所有操作 (02 Dec 2019)
  
• 指标问题对AI来说是一个大问题 (24 Sep 2019)
  
• 快新课程：自然语言处理的代码优先入门 (08 Jul 2019)
  
• 用于PowerPoint的LaTeX加载项-我父亲的项目 (17 Jun 2019)
  
• 快拥抱Swift进行深度学习 (06 Mar 2019)
  
• fastec2脚本：运行和监视长时间运行的任务 (15 Feb 2019)
  
• fastec2：面向普通人员的AWS计算机管理 (15 Feb 2019)
  
• C ++ 11，随机发行版和Swift (13 Jan 2019)
  
• Swift的高性能数值编程：探索与思考 (10 Jan 2019)
  
• AWS Open Data上的新fast.ai研究数据集集合 (16 Oct 2018)
  
• 用于PyTorch的fastai v1：使用现代最佳实践的快速而准确的神经网络 (02 Oct 2018)
  
• 现在任何人都可以在18分钟内训练Imagenet (10 Aug 2018)
  
• Google的AutoML：突破炒作 (23 Jul 2018)
  
• 对AutoML和神经体系结构搜索的见解简介 (16 Jul 2018)
  
• 机器学习从业人员实际上是做什么的？ (12 Jul 2018)
  
• AdamW和Super-convergence现在是训练神经网络的最快方法 (02 Jul 2018)
  
• 在3小时内培训Imagenet，费用为USD 25；和CIFAR10，价格为0.26美元 (30 Apr 2018)
  
• 表格数据深度学习简介 (29 Apr 2018)
  
• 您需要做的深度学习 (16 Nov 2017)
  
• 如何（以及为什么）创建良好的验证集 (13 Nov 2017)
  
• 为Fast.ai引入Pytorch (08 Sep 2017)
  
• 有关语言建模的最新技术的说明 (25 Aug 2017)
  
• 深度学习大新闻：Google Tensorflow选择Keras (03 Jan 2017)
  
• （更新-问题已解决！）Azure和AWS的“ GPU常规可用性”在于 (19 Dec 2016)
  
• 请不要说“它曾经被称为大数据，现在被称为深度学习” (17 Nov 2016)