NVIDIA DIGITS

我今天作为一名合格的搬运工，希望大家努力传播正能量，和大家共同进步！谢谢！

NVIDIA为了卖出更多的显卡，对深度学习的偏爱真是亮瞎了狗眼。除了CUDNN, 又出了DIGITS，真是希望小学生也能学会深度学习，然后去买他们的卡。NVIDIA DIGITS是一款web应用工具，在网页上对Caffe进行图形化操作和可视化，用于Caffe初学者来说，帮助非常大。不过有点遗憾的是，据NVIDIA官方文档称，DIGITS最佳支持系统是Ubuntu 14.04，其它的系统效果如何，就不得而知了。

一、安装DIGITS 4.0

DIGITS是运行在cuda和caffe基础上的，所以要先配置好cuda+caffe那是毫无疑问的了。

打开一个终端，依次运行下列命令：

cd
sudo -s

进入当前用户根目录，并切换到超级用户（符号由$变成#，不用每句都输sudo)

CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb &&wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/$CUDA_REPO_PKG &&sudo dpkg -i $CUDA_REPO_PKG

接着,

ML_REPO_PKG=nvidia-machine-learning-repo_4.0-2_amd64.deb &&wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404/x86_64/$ML_REPO_PKG &&sudo dpkg -i $ML_REPO_PKG

apt-get update

apt-get install digits

这样就好了，然后就是见证你网络快不快了，哈哈哈，慢慢等会。。。。

二、运行digits

默认情况下，digits的安装目录为：

/usr/share/digits

安装完成后，打开浏览器，地址栏输入http://localhost/就可以了，就是这么简单。

更强悍的是：在局域内的其它机子上，也可以用浏览器访问，只是localhost变成了主机ip地址。很多人喜欢在windows系统上远程连接linux来执行caffe。现在好了，不需要远程连接了，只需要访问一个网站就可以了！

三、运行mnist（手写数字数据集）实例

现在来运行一个实例：mnist

原始数据需要的是图片，但网上提供的mnist数据并不是图片格式的数据，因此我们需要将它转换成图片才能运行。

digits提供了一个脚本文件，用于下载mnist,cifar10和cifar100三类数据，并转换成png格式图片。文件路径为：

/usr/share/digits/tools/download_data/main.py

我们先在当前用户的根目录下，新建一个mnist文件夹用来保存mnist图片。

cd 你的文件目录
mkdir mnist

然后执行脚本

 /usr/share/digits/tools/download_data/main.py mnist ~/mnist

main.py带两个参数，第一个为数据集名称（可设置为mnist,cifar10或cifar100)，第二个为输出路径（~/mnist)

执行成功后，会在mnist文件夹下，生成两个文件夹（train文件夹和test文件夹），每个文件夹下面就是我们需要的图片(10类分别放在10个子文件夹内），同时还生成了对应在图片列表文件train.txt和test.txt。

接下来，在浏览器上运行digits,点击左边Dataset模块的"Image"按钮选“classification",创建一个dataset。

在这个页面的左边，可以设置图片是彩色图片还是灰度图片，如果提供的原始图片大小不一致，还可用Resize Transformation功能转换成一致大小。从页面中间可以看出，系统默认将训练图片中的25%取出来作为验证集。如果想把用来测试的图片，也生成lmdb,则把“separate test image folder" 这个选项选上。全部设置好后，点击"create" 按钮，开始生成lmdb数据。

注意左上角的Job Directory(工作目录），生成的lmdb文件就放在这个目录下面，大家最好打开这个目录去看看，看一下生成了些什么文件，了解一下运行原理。在这个界面，我们还可以可视化查看训练和测试的图片，如下图：

train.txt里面存放的是所有训练图片的列表清单，柱状图清晰地显示了10类样本各自的数量。点击"Explorer the db”即可查看图片。最后，点击最左上角“DIGITS"链接回到网站根目录。

文件见：链接：http://pan.baidu.com/s/1qYfJ9ve 密码：rtqg