NVIDIA Deep Learning Toolbox

apt-get install git cmake libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler -y
apt-get install --no-install-recommends libboost-all-dev -y
apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev -y

export CAFFE_HOME=~/caffe
git clone https://github.com/NVIDIA/caffe.git $CAFFE_HOME
sudo pip install -r $CAFFE_HOME/python/requirements.txt
cat $CAFFE_HOME/python/requirements.txt | xargs -n1 sudo pip install
cd $CAFFE_HOME
mkdir build
cd build
cmake ..
make --jobs=4

CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/${CUDA_REPO_PKG} -O /tmp/${CUDA_REPO_PKG}

sudo dpkg -i /tmp/${CUDA_REPO_PKG}

rm -f /tmp/${CUDA_REPO_PKG}

ML_REPO_PKG=nvidia-machine-learning-repo-ubuntu1404_4.0-2_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404/x86_64/${ML_REPO_PKG} -O /tmp/${ML_REPO_PKG}
sudo dpkg -i /tmp/${ML_REPO_PKG}
rm -f /tmp/${ML_REPO_PKG}

# sudo apt-get update

# sudo apt-get install digits

接著再補一下相關套件吧 ! 真的可以認真查一下文件 !

# sudo apt-get install --no-install-recommends build-essential cmake git gfortran libatlas-base-dev libboost-all-dev libgflags-dev libgoogle-glog-dev libhdf5-serial-dev libleveldb-dev liblmdb-dev libopencv-dev libprotobuf-dev libsnappy-dev protobuf-compiler python-all-dev python-dev python-h5py python-matplotlib python-numpy python-opencv python-pil python-pip python-protobuf python-scipy python-skimage python-sklearn

# sudo pip install -r $CAFFE_HOME/python/requirements.txt

至於怎操作我想如果已經大概懂 Deep Learning (深度學習) 原理或者是有操作過 caffe 和 tensorflow 等的，用起來想必是非常容易快上手的，這點我想不會對大家造成困擾的 !

不過我還是在網路上找到一篇算是蠻詳細的教學，給大家參考看看 !

http://blog.csdn.net/enjoyyl/article/details/47397505

最後，附上一張我測試的過程 ... 然後我的心得是 ... 這工具真的是蠻方便的，雖然我現在只是用 Inception v3 跟 MNIST 來做測試，不過看來它裡面也可以自己建模型 ... 同時 GPU 平行化這點讓我最意外，不像之前還在想說用 keras 似乎不能平行化，還得找時間要回頭瞭解一下 tensorflow 怎樣平行化 ~~~~ Orz .....

===不負責印像中的說法 ===

NN 的做法是同時做兩次，最後再回來相加除2 ... 應該說平行化對NN的性能而言不會有太大幫助，但是NN是靠訓練來拉高準確度，某個層面來看的話，平行化就等於你訓練了兩倍的量，這樣結果會拉高，但整個花的時間並不會縮短 ... 這是之前看到文件講的，我再實際試試看是不是這樣 ...

最後，下次來寫個 Convolutional Neural Network (CNN) 卷積類神經網路跟 Deep Neural Network 深層類神經網路的簡要說明教學吧 !

如果在使用過程出現這串錯誤訊息的話，解決方法很簡單的 !
Infer Model unrecognized output: Couldn't import dot_parser, loading of dot files will not be possible.
補上下面這兩行指令就可以了 !
pip install pyparsing==1.5.7
pip install pydot==1.0.28

至於這個就是驗證一下之前做的惡意推廣 (欺詐廣告) 啦 !

TonTon Huang Ph.D. | Deep Learning 101

搜尋此網誌

NVIDIA Deep Learning Toolbox - DIGITS