fastai es una biblioteca de aprendizaje profundo que proporciona a los profesionales componentes de alto nivel que pueden ofrecer resultados de vanguardia de manera rápida y sencilla en dominios estándar de aprendizaje profundo, y proporciona a los investigadores componentes de bajo nivel que se pueden combinar para construir nuevos enfoques. Su objetivo es hacer ambas cosas sin comprometer sustancialmente la facilidad de uso, la flexibilidad o el rendimiento. Esto es posible gracias a una arquitectura cuidadosamente estratificada, que expresa patrones subyacentes comunes de muchas técnicas de aprendizaje profundo y procesamiento de datos en términos de abstracciones desacopladas. Estas abstracciones se pueden expresar de manera concisa y clara aprovechando el dinamismo del lenguaje Python subyacente y la flexibilidad de la biblioteca PyTorch. fastai incluye: un nuevo sistema de despacho de tipos para Python junto con una jerarquía de tipos semánticos para tensores; una biblioteca de visión por computadora optimizada para GPU que se puede extender en puro Python; un optimizador que refactoriza la funcionalidad común de los optimizadores modernos en dos piezas básicas, permitiendo que los algoritmos de optimización se implementen en 4-5 líneas de código; un novedoso sistema de callbacks bidireccional que puede acceder a cualquier parte de los datos, el modelo o el optimizador y cambiarlo en cualquier momento durante el entrenamiento; una nueva API de bloques de datos; y mucho más. Utilizamos esta biblioteca para crear con éxito un curso completo de aprendizaje profundo, que pudimos escribir más rápidamente que utilizando enfoques anteriores, y el código fue más claro. La biblioteca ya se utiliza ampliamente en investigación, industria y enseñanza.