DIGITS: Deep Learning GPU Training
System1，是由英伟达（NVIDIA）公司开发的第一个交互式深度学习GPU训练系统。目的在于整合现有的Deep
Learning开发工具，实现深度神经网络（Deep Neural
Network，DNN）设计、训练和可视化等任务变得简单化。DIGITS是基于浏览器的接口，因而通过实时的网络行为的可视化，可以快速设计最优的DNN。DIGITS是开源软件，可在GitHub上找到，因而开发人员可以扩展和自定义DIGITS。
Github界面：https://github.com/NVIDIA/DIGITS/tree/master/docs

笔者还有话说：笔者是从传统统计学过来的，我觉得Nvidia
DIGITS就是接下来深度学习的SPSS，这是一个开端，笔者觉得接下来会有很多框架会有这样的可视化操作界面。
特别是Tensorflow是基于节点流进行编译算法，编译起来又特别麻烦，笔者觉得tensorflow如果可以效仿SPSS
Modeler一样流运作，也是极好的~

一、安装基本环境

本节会简单介绍一下安装需求，其实如果有GPU，后续也就顺理成章的可以安装出来了。一般在安装、并配置好caffe之后，直接再安装DIGITS即可。

1、如官方所述，DIGITS现在仅支持Ubuntu，当然也在其它Linux系统上测试成功，未见有在Windows上配置的案例；
2、DIGITS尝试囊括更多的开源Deep Learning 框架，当前（digits-2.0）仅包括：Caffe, Torch, Theano, and BIDMach.

采用源码安装DIGITS前，事先要安装CUDA（必须）、cuDNN（用于GPU加速，建议安装），Caffe（运行DIGITS至少要有一个Deep Learning framework，也可以安装Theano，这里不介绍）。

操作系统：Ubuntu 14.04 LTS 64 bit（ubuntu-14.04.3-desktop-amd64.iso）
CUDA：CUDA-7.0（cuda-repo-ubuntu1404-7-0-local_7.0-28_amd64.deb），支持CUDA的GPU
cuDNN：cuDNN-7.0（cudnn-7.0-linux-x64-v3.0-rc.tgz）
Caffe：Caffe-0.13.0（caffe-master.zip，必须是NVIDIA’s fork，原因点此）
DIGITS：DIGITS-2.0（源码安装，DIGITS-master.zip）

二、详细的安装过程

本文只是笔记，就不累述安装配置过程。可见博客以下几类博客：

1、NVIDIA DIGITS 学习笔记（NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0）
http://blog.csdn.net/enjoyyl/article/details/47397505#安装digits
2、Ubuntu下安装CAFFE-Digits
http://blog.csdn.net/striker_v/article/details/53096279
3、Ubuntu14.04 CUDA/cuDNN/caffe/DIGIT 安装备忘录
http://www.lryb.net/?p=849

还有一个BUG！就是supervessel超能云服务器上已经帮你配置好DITIGS，不过笔者在尝试的时候并没有尝试成功，之后会开贴说一下supervessel： supervessel-免费云镜像︱GPU加速的Caffe深度学习开发环境

三、一些DIGITS实际运行案例

Caffe学习系列(21)：caffe图形化操作工具digits的安装与运行
http://www.cnblogs.com/denny402/p/5136155.html
Caffe学习系列(22)：caffe图形化操作工具digits运行实例
http://www.cnblogs.com/denny402/p/5136262.html
DIGITS: Deep Learning GPU Training System
https://devblogs.nvidia.com/parallelforall/digits-deep-learning-gpu-training-system/
NVIDIA DIGITS
Interactive Deep Learning GPU Training System
https://developer.nvidia.com/digits
Fine Tuning，微调 AlexNet：机器学习初学者入门实践：怎样轻松创造高精度分类网络
http://www.jiqizhixin.com/article/2087

其中机器之心翻译文章很棒！！强推！！：机器学习初学者入门实践：怎样轻松创造高精度分类网络，非常棒，入门级！！

四、可视化界面介绍

几个比较好的功能点，贴图贴真相：

1、点击式菜单界面
2、而且可视化了深度学习训练过程
3、报错都直接帮你显示出来
4、分类结果的可视化

点击式菜单界面，而且可视化了深度学习训练过程。

报错都直接帮你显示出来，以便查看出错在哪：

分类结果的可视化：

参考文献：
NVIDIA DIGITS 学习笔记（NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0）
http://blog.csdn.net/enjoyyl/article/details/47397505#安装digits

.
.

延伸一：深度学习调参网页版HyperBoard

HyperBoard 是一个辅助深度学习调参的网页端可视化工具，不依赖于特定的深度学习框架（如 Tensorflow），能够在远程服务器训练模型的同时在本地浏览器进行可视化。
目前支持训练曲线的实时更新，可以方便地按照超参数组合对几十上百条训练曲线进行筛选和隐藏，下一步计划支持动态的统计直方图和向量可视化功能。

项目源码及文档地址：
https://github.com/WarBean/hyperboard

界面局部如下所示：

延伸二：DIGITS安装实践

安装的官方网址参考链接：
https://github.com/NVIDIA/DIGITS/blob/master/docs/UbuntuInstall.md

开始的方式，在浏览器键入，或者有以下几种方式：

http://localhost/
http://<EC2_INSTANCE_PUBLIC_IP>
#参考：https://github.com/bitfusionio/amis/tree/master/awsmrkt-ubuntu-digits

启动Digits服务：

% sudo start nvidia-digits-server

关闭Digits服务：

% sudo stop nvidia-digits-server

可参考博客：
http://blog.csdn.net/striker_v/article/details/53096279

报错一：

/usr/share/lua/5.1/cunn/THCUNN.lua:7: libcusparse.so.7.5: cannot open shared object file: No such file or directory

最简单的修复的方式：

sudo apt-get install cuda-cusparse-7-5
sudo ldconfig

报错二：

now i have a new problem ,like tihs
user@user-ProLiant-DL380-Gen9:~/digits$ ./digits-devserver
Default value for caffe_root "<PATHS>" invalid:caffe binary not found in PATH
==================================== Caffe =====================================
Where is caffe installed?Suggested values:(P*) [PATH/PYTHONPATH] <PATHS>
>> ~/caffe
ERROR: Library at "libcaffe.so.1.0.0-rc3" does not have expected suffix "-nv". Are you using the NVIDIA/caffe fork?
Invalid input

无解Ing,谁来help，怎么输链接，都没用。
参考链接：
https://github.com/NVIDIA/DIGITS/issues/1292

延伸三：一般服务器使用步骤

一般在公司服务器，只要连接的是公司的网络，只要服务器一直开着并启动digits就可以公司内服务器连用。
1、启动
来到digits文件夹的寻找并键入：

sudo ./digits-devserver

2、键入地址
如果是服务器本机，键入：

0.0.0.0:5000/

如果其他机器访问，则先得到该服务器的内网IP

http://xxx.xxx.xxx.xxx:5000/

学习笔记︱Nvidia DIGITS网页版深度学习框架——深度学习版SPSS相关推荐

【vn.py学习笔记（二）】vn.py底层接口学习笔记
[vn.py学习笔记(二)]vn.py底层接口学习笔记 1 CTP API的工作原理 1.1 CTP介绍 1.2 API功能介绍 1.3 CTP API文件 1.4 API 通用规则 2 CTP A ...
JavaScript学习笔记04【高级——DOM和事件的简单学习、BOM对象】
w3school 在线教程:https://www.w3school.com.cn JavaScript学习笔记01[基础--简介.基础语法.运算符.特殊语法.流程控制语句][day01] JavaS ...
机器学习实战（Machine Learning in Action）学习笔记————06.k-均值聚类算法（kMeans）学习笔记...
机器学习实战(Machine Learning in Action)学习笔记----06.k-均值聚类算法(kMeans)学习笔记关键字:k-均值.kMeans.聚类.非监督学习作者:米仓山下时 ...
NDK学习笔记：一起来变萝莉音！FMOD学习总结（下）
NDK学习笔记:一起来变萝莉音!FMOD学习总结(下) 一.创建自己的变音demo 上一节我已经能够在AndroidStudio上跑起了fmod的基础教程.还有疑问的同学可以重新阅读跟着来跑一次.这章 ...
【vn.py学习笔记（三）】vn.py事件引擎学习笔记
[vn.py学习笔记(三)]vn.py事件引擎学习笔记 1 时间驱动 2 事件驱动 3 事件引擎工作流程 4 事件引擎结构 4.1 事件队列 4.2 事件处理线程 4.3 事件处理函数字典/通用事件 ...
LiteOS学习笔记-4通信模组之AT框架
LiteOS学习笔记-4通信模组之AT框架一.AT客户端简介什么是AT客户端 AT客户端框架作用二.串口驱动框架实现 2.1串口初始化 2.2读写缓冲区ring_buffer 2.3读写实现与注 ...
深度学习笔记第四门课卷积神经网络第二周深度卷积网络：实例探究
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
AI学习笔记（九）从零开始训练神经网络、深度学习开源框架
AI学习笔记之从零开始训练神经网络.深度学习开源框架从零开始训练神经网络构建网络的基本框架启动训练网络并测试数据深度学习开源框架深度学习框架组件--张量组件--基于张量的各种操作组件- ...
【PM学习笔记】酸梅干超人 - 零基础学Figma学习笔记
原视频链接: B站视频零基础学Figma学习笔记心得体会第1课 - 苹果商店页设计第2课 - 线性图标设计第3课 - 面性图标设计第4课玻璃拟态页设计第5课样式组件功能入门第6课 ...
stm32正常运行流程图_STM32单片机学习笔记（超详细整理143个问题，学习必看）...
原标题:STM32单片机学习笔记(超详细整理143个问题,学习必看) 1.AHB系统总线分为APB1(36MHz)和APB2(72MHz),其中2>1,意思是APB2接高速设备 2.Stm32f ...

学习笔记︱Nvidia DIGITS网页版深度学习框架——深度学习版SPSS