现在来运行一个实例:mnist(名符其实的helloworld),具体文档参考digits的Github
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。
Download the data
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
# mkdir mnist
然后执行脚本
# 进入到我的digits安装目录
$ cd ~/software/digits
$ python2 -m digits.download_data mnist ~/mnist
Using the Webapp
同上一篇博文,打开digits页面。
Logging in
点击右上角的login--->输入用户名。
Creating a Dataset
1 选择datdasets
2 选择images下的分类
填写内容如下图所示
运行成功以后,应该出现下面这样的页面。
作业完成后,通过单击页面左上角的DIGITS返回主页。 您现在应该看到“数据集”选项卡下列出的数据集。
Training a Model
点击Models > New Model > Images > Classification,这将引导你进入“新图像分类模型”页面。
对于此示例,请执行以下操作:
- 在“选择数据集”字段中选择“MNIST”数据集
- 在“标准网络”选项卡中选择LeNet网络
- 为模型命名
- 单击“创建”按钮
要测试模型,请滚动到页面底部。
- 单击“上传图像”按钮并选择一个文件
在/ home / yeler082/ mnist / test /中有很多可供选择
- 或者,在Web上查找图像并将URL粘贴到“图像URL”字段中
- 选中“显示可视化和统计信息”框
- 单击Classify One
在页面顶部,DIGITS显示前五个分类和相应的置信度值。 DIGITS还提供有关网络中每个层的权重和激活的可视化和统计信息。
由于我安装的cudnn版本及tensorflow版本过高,在启动digits和测试的时候有Tensorflow support disabled.的错误,所以这里没有办法测试了,解决的途径是要重新整理一下环境。