融汇11款AI工具构建完美应用( 四 ) _AI工具

通过链接--https://www.youtube.com/watch?v=eUSgtfK4ivk ，您可以了解如何利用机器学习来使用Detectron2 。同时，Detectron2配备了如：DensePose和全景特征金字塔网络（panoptic feature pyramid.NETworks）等先进的物体检测算法。据此，Detectron2能够进行语义分割和全景分割，这有助于更准确地检测和分割图像和视频中的物体。
此外，Detectron2不仅支持使用边界框和实例分割掩码进行物体检测，还能够预测人物的姿势，这一点与Detectron比较相似。
目前，Detectron2在GitHub代码库中有两万八千多颗星，而且在GitHub上被一万六千多名开发人员所使用。11.FastAI -深度学习库

文章插图
作为一个多功能深度学习库，Fastai（https://github.com/fastai/fastai）为从业人员提供了高级组件，使他们能够在常见的深度学习任务中快速获得一流的结果。同时，它也为研究人员提供了低级组件，以便他们进行实验和开发新的方法。
该架构利用Python的动态特性和PyTorch的灵活性，将复杂的深度学习技术分解为易于管理的抽象概念。如下图所示，它建立在提供可组合构件的低级API的层次结构之上。据此，如果用户想重写部分高级API或添加特定行为，以满足自己的需求，就不必学习如何使用最底层的API了。

文章插图
在安装了pyTorch后，您可以通过参考其文档（https://docs.fast.ai/），使用以下命令以开始FastAI的相关操作。conda install -c fastai fastai FastAI分别为初学者、中级和专家提供了不同的教程（https://docs.fast.ai/tutorial.html）。当然，如果您想为FastAI作出贡献的话，请事先阅读他们的代码风格指南（https://docs.fast.ai/dev/style.html）。
目前，FastAI在GitHub上拥有两万五千多颗星，且已被GitHub上的一万六千多名开发人员所使用。
下篇待续...译者介绍陈峻（Julian Chen），51CTO社区编辑，具有十多年的IT项目实施经验，善于对内外部资源与风险实施管控，专注传播网络与信息安全知识与经验。
原文标题：All the tools I need to build a perfect AI app. ，作者：Anmol Baranwal
链接：https://dev.to/taipy/all-the-tools-i-need-to-build-a-perfect-ai-app-2oeh
想了解更多AIGC的内容，请访问：
51CTO AI.x社区
https://www.51cto.com/aigc/

【融汇11款AI工具构建完美应用】