fast.ai 选用指南:跑通完整范例后,能解释改一个输入为什么换了结果吗?

用两张纸面学习卡判断自己缺的是搭起完整练习的经验,还是理解预测变化的原理,再选 fast.ai 实作课或先补基础。

来源: course.fast.ai
2026年10月27日
2 min

已经会读一点 Python、想尽快看懂一个完整的深度学习项目,fast.ai 的 Practical Deep Learning for Coders 值得比较。第一课先拿完整范例和交互式 notebook 开始;第五课则拆开简单回归、神经网络及训练循环,也讨论指标。两堂课不重复:前者先让人看到输入怎么走到可用结果,后者让人回头看结果怎样算出来。

比「我跟着做完了」多一张纸

假设在一堂虚构课上,老师给出一个完全透明的纸上评分器:每个实心圆 2 分,空心圆 0 分,达到 4 分就标为「收录」。第一张练习卡里有两个实心圆和一个空心圆,得到 4 分;第二张只把其中一个实心圆换成空心圆。先让学习者说新卡该得几分、标什么,再补一句为什么。正确的解释是「少了一个实心圆,所以从 4 分变成 2 分,过不了门槛」,而不是「因为样子变了」。这不是神经网络实测或 fast.ai 原课例,而是用来检查学习者是否能从输入和规则解释一个结果。

如果连输入、输出和判定条件在纸上都分不清,先用一个小的完整例子建立顺序,再读局部公式;这正是这种自上而下的结构比较有用的时候。如果能把完整例子讲清楚,却说不出一次改动从哪影响了结果,安排时间读从零解释的章节,而不是再收集一批能跑的 notebook。这门课需要亲自做练习,仅看演示难以达到前一个目标。若眼下只为补一项概率或线性代数概念,先查针对该概念的教材,没必要按整套实作课顺序走。

内容说明:本文基于公开资料整理,仅供工具选型参考。产品功能、价格及相关政策可能随时调整,请以官方最新信息为准。

原文出处:course.fast.ai