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： 