經(jīng)過前面一系列的學習，我們基本上學會了如何在linux下運行caffe程序，也學會了如何用python接口進行數(shù)據(jù)及參數(shù)的可視化。

如果還沒有學會的，請自行細細閱讀： caffe學習系列：http://www.cnblogs.com/denny402/tag/caffe/

也許有人會覺得比較復雜。確實，對于一個使用慣了windows視窗操作的用戶來說，各種命令就要了人命，甚至會非常抵觸命令操作。沒有學過python，要自己去用python編程實現(xiàn)可視化，也是非常頭痛的事情。幸好現(xiàn)在有了nvidia digits這款工具，這些問題都可以解決了。

nvidia為了賣出更多的顯卡，對深度學習的偏愛真是亮瞎了狗眼。除了cudnn, 又出了digits，真是希望小學生也能學會深度學習，然后去買他們的卡。

nvidia digits是一款web應用工具，在網(wǎng)頁上對caffe進行圖形化操作和可視化，用于caffe初學者來說，幫助非常大。

不過有點遺憾的是，據(jù)nvidia官方文檔稱，digits最佳支持系統(tǒng)是ubuntu 14.04，其它的系統(tǒng)效果如何，就不得而知了。

一、安裝digits 3.0

digits是運行在cuda和caffe基礎(chǔ)上的，所以要先配置好cuda+caffe那是毫無疑問的了。還不會配置的，請參考：Caffe學習系列(1)：安裝配置ubuntu14.04+cuda7.5+caffe+cudnn

打開一個終端，依次運行下列命令：

cd

sudo -s

進入當前用戶根目錄，并切換到超級用戶（符號由$變成#，不用每句都輸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

接著,

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

ok,保持網(wǎng)絡(luò)通暢，慢慢安裝吧！

二、運行digits

默認情況下，digits的安裝目錄為 /usr/share/digits

安裝完成后，打開瀏覽器，地址欄輸入 http://localhost/ 就可以了，就是這么簡單。

更強悍的是：在局域內(nèi)的其它機子上，也可以用瀏覽器訪問，只是localhost變成了主機 ip地址。很多人喜歡在windows系統(tǒng)上遠程連接linux來執(zhí)行caffe。現(xiàn)在好了，不需要遠程連接了，只需要訪問一個網(wǎng)站就可以了。。。還有誰！！！！

三、運行mnist實例

現(xiàn)在來運行一個實例：mnist(名符其實的helloworld)

原始數(shù)據(jù)需要的是圖片，但網(wǎng)上提供的mnist數(shù)據(jù)并不是圖片格式的數(shù)據(jù)，因此我們需要將它轉(zhuǎn)換成圖片才能運行。

digits提供了一個腳本文件，用于下載mnist, cifar10 和cifar100 三類數(shù)據(jù)，并轉(zhuǎn)換成png格式圖片。文件路徑為：

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

我們先在當前用戶的根目錄下，新建一個mnist文件夾用來保存mnist圖片。

# cd # mkdir mnist

然后執(zhí)行腳本

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

main.py帶兩個參數(shù)，第一個為數(shù)據(jù)集名稱（可設(shè)置為mnist, cifar10或cifar100)，第二個為輸出路徑（~/mnist)

執(zhí)行成功后，會在mnist文件夾下，生成兩個文件夾（train文件夾和test文件夾），每個文件夾下面就是我們需要的圖片(10類分別放在10個子文件夾內(nèi)），同時還生成了對應在圖片列表文件train.txt和test.txt

接下來，在瀏覽器上運行digits, 點擊左邊Dataset模塊的"Image"按鈕選擇“classification", 創(chuàng)建一個dataset

?

在這個頁面的左邊，可以設(shè)置圖片是彩色圖片還是灰度圖片，如果提供的原始圖片大小不一致，還可用Resize Transformation功能轉(zhuǎn)換成一致大小 。從頁面中間可以看出，系統(tǒng)默認將訓練圖片中的25%取出來作為驗證集（for validation)。

如果想把用來測試的圖片，也生成lmdb, 則把“ separate test image folder" 這個選項選上。

全部設(shè)置好后，點擊"create" 按鈕，開始生成lmdb數(shù)據(jù)。

?

?

注意左上角的Job Directory(工作目錄），生成的lmdb文件就放在這個目錄下面，大家最好打開這個目錄去看看，看一下生成了些什么文件，了解一下運行原理。

在這個界面，我們還可以可視化查看訓練和測試的圖片，如下圖：

train.txt里面存放的是所有訓練圖片的列表清單，柱狀圖清晰地顯示了10類樣本各自的數(shù)量。點擊" Explorer the db” 即可查看圖片。

最后，點擊最左上角“ DIGITS" 鏈接回到網(wǎng)站根目錄。

?

由于圖片太多，因此本文很長，所以在此截斷一下，后續(xù)。。

總結(jié)

以上是生活随笔為你收集整理的Caffe学习系列(21)：caffe图形化操作工具digits的安装与运行的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。