使用 Fastai 构建食物图像分类器

背景

社交媒体平台是分享有趣的图像的常用方式。食物图像，尤其是与不同的美食和文化相关的图像，是一个似乎经常流行的话题。Instagram 等社交媒体平台拥有大量属于不同类别的图像。我们都可能使用谷歌图片或 Instagram 上的搜索选项来浏览看起来很美味的蛋糕图片来寻找灵感。但是为了让这些图片可以通过搜索获得，我们需要为每张图片设置一些相关的标签。

这使得搜索关键字并将其与标签匹配成为可能。由于手动标记每张图像极具挑战性，因此公司使用 ML （机器学习）和 DL （深度学习）技术为图像生成正确的标签。这可以使用基于一些标记数据识别和标记图像的图像分类器来实现。

在本文中，让我们使用 fastai 构建一个图像分类器，并使用一个名为“ fastai”的库来识别一些食物图像。

Fastai 简介

Fastai 是一个开源深度学习库，它为从业者提供高级组件，可以快速轻松地在传统深度学习领域产生最先进的结果。它使研究人员可以混合和组合低级组件以创建新技术。它旨在在不影响可用性、灵活性或性能的情况下实现这两个目标。

由于 fastai 是用 Python 编写的，并且基于 PyTorch，因此需要 Python 知识才能理解本文。我们将在 Google Colab 中运行此代码。除了 fastai，我们将使用图形处理单元 (GPU) 以尽可能快地获得结果。

使用 Fastai 构建图像分类器

让我们从安装 fastai 库开始：

!pip install -Uqq fastai

如果你使用的是 Anaconda，请运行以下命令：

conda install -c fastchan fastai anaconda

让我们导入分类任务所需的包。该库分为模块，其中最常见的是表格、文本和视觉。因为我们手头的任务包括视觉，所以我们从vision库中导入我们需要的所有功能。

from fastai.vision.all import *

通过 fastai 库可以获得许多学术数据集。其中之一是 FOOD，它是 URL 下的URLs. FOOD

第一步是获取并提取我们需要的数据。我们将使用 untar_data 函数，它会自动下载数据集并解压它。

foodPath = untar_data(URLs.FOOD)

该数据集包含 101,000 张图像，分为 101 个食物类别，每个类别有 250 个测试图像和 750 个训练图像。训练