100

NVIDIA DIGITS（非常好用的一个框架）

 7 years ago
source link: http://mp.weixin.qq.com/s/jQLMLpUTHb_xERI6jthfHA
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

NVIDIA DIGITS（非常好用的一个框架）

Original Edison_G 计算机视觉研究院 2017-11-27 08:57 Posted on

T002R90x90M000000kHL5t3epGjy.jpg

我也忘了在哪里看过几篇类似的文章，为了让更多朋友知道这个好工具，我今天也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






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。



Image



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。



Image



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。



Image



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：



Image



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。



Image



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

        

        

            

                report
            

        

    







        
Recommend

        



                

    
About Joyk

    
 





Aggregate valuable and interesting links.

Joyk means Joy of geeK