Fast.AI 深度学习课程的精髓是先尽快上手操作，在实践中学习理论知识。
但是上周末参加了Fast.AI线下课程，许多同学被第一步——配置环境给难住了。
为了让大家不在繁琐的环境配置过程中浪费时间，我制作了一个基于 CentOS7 Linux 的虚拟机，下载后就可以直接运行课程代码。
目前暂不支持GPU训练，但是学习用途够了。

一、下载虚拟机及课程文件

虚拟机
http://pan.baidu.com/s/1eSciIS6 密码:14tx
虚拟机内 /root 目录自带Fast.AI课程文件及部分训练数据。

Fast.AI课程文件及教学视频
http://pan.baidu.com/s/1kUAonWF 密码:79o5

可以按需下载，以下是目录结构：

• videos：教学视频（第一课打鸡血用的，没上传），带中英文外挂字幕。
• excel：用Excel表格来展示神经网络的结构。
• nbs：课程代码，jupyter notebook格式。
• setup：用于配置云端机器用的脚本，可参考。
• data：训练数据集，请解压。其中dogscats.zip是官方教学数据集，plants.zip 是我制作的用于分类植物的数据集。

另外还需要其它训练数据集的同学，移步Kaggle注册并下载。
**提示：kaggle注册阶段用到了谷歌的服务，需要翻墙。 **

二、拿到虚拟机文件后，运行学习环境

基本操作

配置虚拟机

• 安装 VirtualBox，新建虚拟机（Linux类型），从虚拟磁盘新建。
• 基于你的电脑配置，给虚拟机分配 尽可能多的 处理器内核、内存（至少3G）。
• 共享目录：通过右下角点第五个按钮设置和宿主机器的共享目录。

登录虚拟机

两种登录方式，可同时使用：
1、从虚拟机界面登录：用户名 root ,密码 root。
2、ssh连接：在宿主机器（仅限宿主机器）上开启命令行，输入：ssh root@192.168.99.100 （具体连接地址请见下一步）

运行Jupyter Notebook

查找并记下虚拟机地址：ifconfig | grep 192.，我的地址是 192.168.99.100
进入课程目录，激活我们配置的conda环境，运行笔记本：

cd ~/fast.ai
source activate fastai3
jupyter notebook

访问Jupyter

从宿主机器，打开 http://192.168.99.100:888 （以我的虚拟机地址为例）

需要了解机器学习虚拟机配置过程的同学，可以看我的上篇日志：
创建Fast.AI学习环境虚拟机