从此不迷路
计算机视觉研究院
公众号ID|ComputerVisionGzq
作者:Edison_G
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:
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)
接着,
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:
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:
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。
然后执行脚本
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
© The Ending