Caffe學習系列(21)：caffe圖形化操作工具digits的安裝與執行

經過前面一系列的學習，我們基本上學會了如何在linux下執行caffe程式，也學會了如何用python介面進行資料及引數的視覺化。

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複雜。確實，對於一個使用慣了windows視窗操作的使用者來說，各種命令就要了人命，甚至會非常牴觸命令操作。沒有學過python，要自己去用python程式設計實現視覺化，也是非常頭痛的事情。幸好現在有了nvidia digits這款工具，這些問題都可以解決了。

nvidia為了賣出更多的顯示卡，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，然後去買他們的卡。

nvidia digits是一款web應用工具，在網頁上對caffe進行圖形化操作和視覺化，用於caffe初學者來說，幫助非常大。

不過有點遺憾的是，據nvidia官方文件稱，digits最佳支援系統是ubuntu 14.04，其它的系統效果如何，就不得而知了。

一、安裝digits 3.0

digits是執行在cuda和caffe基礎上的，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

開啟一個終端，依次執行下列命令：

cd

sudo -s

進入當前使用者根目錄，並切換到超級使用者（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,保持網路通暢，慢慢安裝吧！

二、執行digits

預設情況下，digits的安裝目錄為 /usr/share/digits

安裝完成後，開啟瀏覽器，位址列輸入 http://localhost/ 就可以了，就是這麼簡單。

更強悍的是：在局域內的其它機子上，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系統上遠端連線linux來執行caffe。現在好了，不需要遠端連線了，只需要訪問一個網站就可以了。。。還有誰！！！！

三、執行mnist例項

現在來執行一個例項：mnist(名符其實的helloworld)

原始資料需要的是圖片，但網上提供的mnist資料並不是圖片格式的資料，因此我們需要將它轉換成圖片才能執行。

digits提供了一個指令碼檔案，用於下載mnist, cifar10 和cifar100 三類資料，並轉換成png格式圖片。檔案路徑為：

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

我們先在當前使用者的根目錄下，新建一個mnist資料夾用來儲存mnist圖片。

# cd 
# mkdir mnist

然後執行指令碼

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

main.py帶兩個引數，第一個為資料集名稱（可設定為mnist, cifar10或cifar100)，第二個為輸出路徑（~/mnist)

執行成功後，會在mnist資料夾下，生成兩個資料夾（train資料夾和test資料夾），每個資料夾下面就是我們需要的圖片(10類分別放在10個子資料夾內），同時還生成了對應在圖片列表檔案train.txt和test.txt

接下來，在瀏覽器上執行digits, 點選左邊Dataset模組的"Image"按鈕選擇“classification", 建立一個dataset

在這個頁面的左邊，可以設定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功能轉換成一致大小 。從頁面中間可以看出，系統預設將訓練圖片中的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。

全部設定好後，點選"create" 按鈕，開始生成lmdb資料。

注意左上角的Job Directory(工作目錄），生成的lmdb檔案就放在這個目錄下面，大家最好開啟這個目錄去看看，看一下生成了些什麼檔案，瞭解一下執行原理。

在這個介面，我們還可以視覺化檢視訓練和測試的圖片，如下圖：

train.txt裡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類樣本各自的數量。點選" Explorer the db” 即可檢視圖片。

最後，點選最左上角“ DIGITS" 連結回到網站根目錄。

由於圖片太多，因此本文很長，所以在此截斷一下，後續。。