Ndivia DIGITS是對現(xiàn)有流行深度學(xué)習(xí)開發(fā)框架的最高級的抽象封裝，可以輕松實現(xiàn)基于深度學(xué)習(xí)模型的圖像分類、目標(biāo)檢測、分割等任務(wù)，并以圖形界面的方式展現(xiàn)出來，這能讓訓(xùn)練和驗證過程簡單很多。所以不夠熟悉Python和命令行，還想學(xué)深度學(xué)習(xí)，幸好有Nvidia Digits這樣一款web應(yīng)用工具，可以在網(wǎng)頁上對Caffe進行圖形化操作和可視化。
　　Nvidia對深度學(xué)習(xí)真是偏愛，竟然出了這樣一款初學(xué)者也很容易上手的工具，從這可以看出為了賣出更多的顯卡真是無所不用其極，真是希望全民會玩深度學(xué)習(xí)。

一、環(huán)境

操作系統(tǒng)：
Ubuntu 16.04
GCC/G++: 5.4.0
CUDA: 9.0.252
OpenCV: 2.4.11和3.3.1
Matlab :R2014b(a)
Python: 2.7
Digits: 6.1.0
注意：確定已安裝好cuda、caffe和pycaffe

二、下載安裝DIGITS

1.從github上克隆并下載DIGITS項目

git clone https://github.com/NVIDIA/DIGITS.git digits

2.編譯和安裝對應(yīng)依賴

cd digits sudo apt-get install graphviz gunicorn for req in $(cat requirements.txt); do sudo pip

pip install -r ~/digits/requirements.txt #使用Anaconda環(huán)境下的python進行更新

三、修改load_from_envvar函數(shù)

1.打開路徑

~/digits/digits/config/caffe.py

2.在 load_from_envvar函數(shù)中修改代碼

if platform.system() == 'Windows':executable_dir = os.path.join(value, 'install', 'bin')python_dir = os.path.join(value, 'install', 'python')else:#executable_dir = os.path.join(value, 'build', 'tools')executable_dir = '/home/cow/caffe/build/tools' #對應(yīng)用戶目錄進行修改#python_dir = os.path.join(value, 'python')python_dir = '/home/cow/caffe/python' #對應(yīng)用戶目錄進行修改

否則，會出現(xiàn)A valid Caffe installation was not found on your system的錯誤提示

四、運行digits

1.進入digits目錄下運行服務(wù)

/digits-devserver

2.打開瀏覽器，輸入localhost:5000

3.所處局域網(wǎng)機子輸入http://ip地址:5000

五、運行mnist實例

1.新建一個mnist文件夾用來保存mnist圖片

mkdir mnist

2.進入digits目錄

cd digits

3.執(zhí)行腳本文件，用于下載mnist, cifar10 和cifar100 三類數(shù)據(jù)，并轉(zhuǎn)換成png格式圖片

python -m digits.download_data mnist ~/mnist

python -m ：使用后面指定的模塊，其實就是digits主目錄下面的digits/download_data目錄

第一個參數(shù)：mnist指定下載的數(shù)據(jù)集名稱，一般有mnist、cifar10、cifar100等。

第二個參數(shù)：是下載存放的目錄

4.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

其中Training Images是剛才下載的數(shù)據(jù)集目錄，一般分train和test，train用于訓(xùn)練。

　　4.1 使用標(biāo)準模型中的LeNet網(wǎng)絡(luò)模型




　　4.2 創(chuàng)建Model，參數(shù)設(shè)置如下：

　　4.3 選擇配置分類網(wǎng)絡(luò)

　　4.4查看訓(xùn)練周期準確率

可以清晰地看出，一個訓(xùn)練周期準確率就達到了100%，說明這個任務(wù)還是比較簡單。開始設(shè)置了迭代30個訓(xùn)練周期

訓(xùn)練過程中，可以開始測試了，不必等到訓(xùn)練結(jié)束

5.使用創(chuàng)建好的Model分類圖片測試手寫體分類模型

　　5.1 頁面左邊，可以設(shè)置圖片是彩色圖片還是灰度圖片。
　　
　　5.2 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

　　5.3 從頁面中間可以看出，系統(tǒng)默認將訓(xùn)練圖片中的25%取出來作為驗證集（for validation)

　　5.4 把用來測試的圖片，也生成lmdb, 則選上“ separate test image folder” 這個選項

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

測試模型有三種選擇：

• Classify One：單幅圖像分類，可以可視化數(shù)據(jù)、權(quán)重、隱藏層輸出等
• Classify Many：多幅圖像分類，可以查看多幅圖像的分類結(jié)果統(tǒng)計信息
• Top N Predictions per Category：每類的Top N分類預(yù)測圖示

6.查看測試結(jié)果

數(shù)字“8”的預(yù)測結(jié)果

如圖顯示top-5的分類情況，DIGITS提供測試數(shù)據(jù)與權(quán)值的可視化和統(tǒng)計信息

參考博客：

DIGITS安裝和配置
https://blog.csdn.net/u012235003/article/details/54576849
Caffe學(xué)習(xí)系列(21)：caffe圖形化操作工具digits的安裝與運行
http://www.cnblogs.com/denny402/p/5136155.html
caffe學(xué)習(xí)（6）使用digits體驗mnist實例
http://blog.sina.com.cn/s/blog_1612bab090102xcg6.html

總結(jié)

以上是生活随笔為你收集整理的图形化操作工具DIGITS 6.1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。