2022/09/24更新：已开放注册

Stable Diffusion是最近很火的Text-to-Image预训练模型（详细信息：https://www.datalearner.com/ai-resources/pretrained-models/stable-diffusion ）。而现在，相关的视频教程已经出现。fast.ai的团队宣布了一门新的深度学习课程《From Deep Learning Foundations to Stable Diffusion》上线！

fast.ai是由Jeremy Howard创立的人工智能初创公司，其目标是创建可以被每个人使用的简单的AI工具，普及AI的知识。

之前他们已经发过一系列很火的课程，今天Text-to-Image的课程也已经上线。

深度学习发展到现在已经超越了很多人的认知。DALL·E2（https://www.datalearner.com/ai-resources/pretrained-models/DALL-E-2 ） 的横空出世，让人们发现，人工智能模型已经可以创作出媲美艺术家的图片作品。但是OpenAI的DALL·E2并不是一个开源免费可使用的模型，最新的OpenAI的模型虽然能力很强，但是也不那么Open了。于是，各路人马也开始借此机会发布新的免费模型竞争。Stable Diffusion就是一个可媲美DALL·E2的Text-to-Image模型。本次fast.ai发布的课程将奖励实现Stable Diffusion模型。

该课程将从2023年初开始在网上免费提供。但是，如果你想和数百名世界领先的深度学习从业者一起加入该课程，那么你可以通过我们的官方学术伙伴昆士兰大学（UQ）注册加入虚拟现场课程。昆士兰大学将在未来几天内开放注册：https://itee.uq.edu.au/event/2022/practical-deep-learning-coders-uq-fastai-part-2

注意，如果你是一个开源贡献者，也可以申请免费学习该课程（申请奖学金）。需要注意的是，他们强调，这门课不需要大量的数学知识，仅需要高中的数学知识，也不需要大量的数据，他们提供的数据都是小于50条即可运行。

在本课程中，你将使用PyTorch、fastai、Hugging Face Transformers和Gradio。

我们已经完成了数百个机器学习项目，使用了几十个不同的软件包，以及许多不同的编程语言。在fast.ai，我们已经使用目前使用的大多数主要的深度学习和机器学习包编写了课程。我们花了一千多个小时测试PyTorch，然后决定将其用于未来的课程、软件开发和研究。PyTorch现在是世界上发展最快的深度学习库，已经被用于顶级会议的大多数研究论文。

PyTorch作为一个低级别的基础库效果最好，为高级别的功能提供基本操作。fastai库是在PyTorch基础上添加这种更高级功能的最流行的库之一。在本课程中，随着我们对深度学习的基础研究越来越深入，我们也将越来越深入地了解fastai的层次。

Transformers是一个流行的库，专注于使用变换器模型的自然语言处理（NLP）。在本课程中，你将看到如何使用这个库创建一个尖端的transformers模型，以检测专利申请中的类似概念。