Win10 安装 digits

Posted 学渣

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Win10 安装 digits相关的知识,希望对你有一定的参考价值。

安装caffe配置python接口

接下来就按照官方教程来安装了。。。

1. If the installation process complains compiler not found, you need to install Microsoft Visual C++ Compiler for Python 2.7, downloaded at (https://www.microsoft.com/en-us/download/details.aspx?id=44266). We recommend installing it by

msiexec /i VCForPython27.msi ALLUSERS=1

如果提示找不到python 路径,则 python python_path.py

import sys


from _winreg import *

# tweak as necessary 
version = sys.version[:3] 
installpath = sys.prefix  
regpath = "SOFTWARE\\\\Python\\\\Pythoncore\\\\%s\\\\" % (version)
installkey = "InstallPath"
pythonkey = "PythonPath"
pythonpath = "%s;%s\\\\Lib\\\\;%s\\\\DLLs\\\\" % (
installpath, installpath, installpath
)

def RegisterPy():
    print "begin RegisterPy "
    try:
        print "open key : %s"%regpath
        reg = OpenKey(HKEY_CURRENT_USER, regpath)
    except EnvironmentError as e:    
        try:           
            reg = CreateKey(HKEY_CURRENT_USER, regpath) 
            SetValue(reg, installkey, REG_SZ, installpath) 
            SetValue(reg, pythonkey, REG_SZ, pythonpath)
            CloseKey(reg) 
        except: 
            print "*** EXCEPT: Unable to register!" 
            return             
        
        print "--- Python", version, "is now registered!" 
        return

   
    if (QueryValue(reg, installkey) == installpath and 
        QueryValue(reg, pythonkey) == pythonpath): 
            CloseKey(reg) 
            print "=== Python", version, "is already registered!" 
            return CloseKey(reg) 

    print "*** ERROR:Unable to register!" 
    print "*** REASON:You probably have another Python installation!"

def UnRegisterPy():
    #print "begin UnRegisterPy "
    try:
        print "open HKEY_CURRENT_USER key=%s"%(regpath)
        reg = OpenKey(HKEY_CURRENT_USER, regpath)
        #reg = OpenKey(HKEY_LOCAL_MACHINE, regpath)
    except EnvironmentError:  
        print "*** Python not registered?!"
        return
    try:
       DeleteKey(reg, installkey)
       DeleteKey(reg, pythonkey)
       DeleteKey(HKEY_LOCAL_MACHINE, regpath)
    except:
       print "*** Unable to un-register!"
    else:
       print "--- Python", version, "is no longer registered!"            

if __name__ == "__main__":  
    RegisterPy()
View Code

2. 安装Graphviz, Graphviz is available at (www.graphviz.org/Download.php). Please note this site is not always available online. The installation directory can not contain space, so don\'t install it under the regular \'c:\\Program Files (x86)\' directory. Try something like \'c:\\graphviz\' instead. When the installation directory contains space, pydot could not launch the dot.exe file, even it has no problem finding it. Add the c:\\graphviz\\bin directory to your PATH.

3. Clone DIGITS from github.com (https://github.com/nvidia/digits). From the command prompt (run as administrator) and cd to DIGITS directory. Then type

python -m pip install -r requirements.txt

4. You may see error about Pillow, like ValueError: jpeg is required unless explicitly disabled using --disable-jpeg, aborting If this happens, download Pillow Windows Installer (Pillow-3.1.1.win-amd64-py2.7.exe) at https://pypi.python.org/pypi/Pillow/3.1.1 and run the exectuables. After installing Pillow in the above way, run

python -m pip install -r requirements.txt

After the above command, check if all required Python dependencies are met by comparing requirements.txt and output of the following command.

python -m pip list

5. If gevent is not v1.0.2, install it from the whl file, downloaded previously from (http://www.lfd.uci.edu/~gohlke/pythonlibs/).

python -m pip install gevent-1.0.2-cp27-none-win_amd64.whl

6. It should uninstall the gevent you had, and install gevent 1.0.2.

Because readline is not available in Windows, you need to install one additional Python package.

python -m pip install pyreadline

 

值得提出的是最后一步运行digits的命令发生了变化

python -m digits

然后是缺什么安装什么。。。

例如:

 No module named wtforms

pip install wtforms

 Invalid version: \'CAFFE_VERSION\'

 windows/caffe/caffe.vcxproj

     <PostBuildEvent>
        <Command>"$(ScriptsDir)\\FixGFlagsNaming.cmd" "$(OutDir)" $(Configuration)</Command>
      </PostBuildEvent>
 +    <ClCompile>
 +      <PreprocessorDefinitions>NDEBUG;%(PreprocessorDefinitions);CAFFE_VERSION=1.0.0-rc3</PreprocessorDefinitions>
 +    </ClCompile>
    </ItemDefinitionGroup>
    <ItemGroup>
      <ClCompile Include="..\\..\\tools\\caffe.cpp" />

 windows/pycaffe/pycaffe.vcxproj

   <ItemDefinitionGroup>
      <ClCompile>
        <DisableSpecificWarnings>4003</DisableSpecificWarnings>
 +      <PreprocessorDefinitions Condition="\'$(Configuration)|$(Platform)\'==\'Release|x64\'">NDEBUG;%(PreprocessorDefinitions);CAFFE_VERSION=1.0.0-rc3</PreprocessorDefinitions>
      </ClCompile>
      <PreBuildEvent>
        <Command>"$(ScriptsDir)\\PythonPreBuild.cmd" "$(SolutionDir)" "$(ProtocDir)" "$(OutDir)"</Command>

No module named flask.ext.socketio

pip install flask-socketio
pip install -I Flask==0.10.1
pip install flask-wtf

No module named lmdb

pip install lmdb

 

最后 python -m digits 启动

打开浏览器输入: localhost:5000 就可以看到

运行mnist实例

一、准备数据,这里感谢此博文,也可以参照官方教程

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:

DIGITS-master/download_data/__main__.py

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。

cd C:\\DIGITS-master\\digits\\download_data

然后执行脚本

python  __main__.py   mnist  mnist

__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"按钮选择“classification", 创建一个dataset

数据集

手写体MNIST数据集的原始数据格式为:png,每幅图像大小为:28×28,包含70K个手写体数字,共10类,其中60K为训练用样本(train+val),10K的测试样本(test)。本例中,从训练样本中随机抽取25%的数据作为验证集(val),使用digits生成的数据信息如下:

数据集属性
Image Type Grayscale
Image Encoding png
Image Dimensions 28×28
Number of Categories 10
Number of Training Images 45002
Number of Validation Images 14998(25% of 60000)
Number of test Images 10000

 

 

 

 

 

 

 

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(for validation)。

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。

 

经过前面的操作,我们就把数据准备好了。接下来继续。。。

二、训练一个model,这里感谢此博文,也可以参考官方教程

右击右边Models模块的” Images" 按钮 ,选择“classification"

在打开页面右下角可以看到,系统提供了一个caffe model,分别为LeNet, AlexNet, GoogLeNet, 如果使用这三个模型,则所有参数都已经设置好了,就不用再设置了。

模型参数

模型选择LeNet(Original Paper 1998

Solver Options意义示例值solver.prototxt计算
Training epochs 迭代代数:将训练数据反复送入网络训练的次数 30(单位次数) max_iter (Training epochs)×(numtrainsamples/batchsizetrain)),如30*(45002/64)=21120
Snapshot interval (in epochs) 快照间隔:是指训练多少次后进行一次快照记录 1(单位次数) snapshot (numtrainsamples/batchsizetrain)×(Snapshotinterval),如:(45002/64)*1=704
Validation interval (in epochs) 验证间隔 1(单位次数) test_interval (numtrainsamples/batchsizetrain)(Validationinterval),如:(45002/64)*1=704
Random seed 权重随机初始化种子 [none] - -
Batch size 批处理大小 [network defaults],网络默认值,训练:64,测试100 - -
Solver type 优化方法 Stochastic Gradient Descent (SGD) solver_type SGD
Base Learning Rate 学习率 0.01 base_lr 0.01
Policy 学习率策略 Step Size lr_policy “step”
Step Size 步长 33% stepsize max_iter*Step Size,如:21120×33%=6970
Gamma Gamma参数 0.1(单位0.005) gamma 0.1

在下面,系统为我们列举出了本机所带的显卡,我们可以选择其中一块进行运行。

在最下面,输入一个model name, 就可以点击create 按钮了。如果有些选项不对,会有错误提示,很人性化。

在训练过程页面,左上角显示了生成的配置文件名称 (放在job目录文件下,默认路径为:C:/DIGITS-master/digits/jobs/),运行过程中保存的caffemodel快照也保存在这个目录下面。

页面中显示了训练和测试的数据信息、训练所用的时间和gpu使用情况以及一些实时化图表,可以看到训练阶段的loss, 测试阶段的loss和accuracy,相当方便,甚至还可以看到学习率的变化情况,吃惊吧!

         

模型训练好后,直接就可以在下面进行测试了。

测试新来的图片

将页面拖到最下面,选择Upload imager按钮,加载一幅测试图片。在 C:/DIGITS-master/digits/download_data/mnist/test 下面有大量的测试图片,随便选一张就可以了。

也可以通过在Image URL方框里,输入一张网上的图片地址来进行测试。

加载好测试图片,在 Show visualizations and statistics 选择模式框上点上勾。

点击”Classify One" 按钮就可以开始测试了。

如果你不是对一张图片进行测试,而是一个测试集,则是在" Upload Image List"这个地方,选择测试图片的列表清单文件(如 val.txt)

系统会弹出一个新的页面,显示top-5的分类情况 ,同时digits还提供了测试数据与权值的可视化和统计信息。

以上是关于Win10 安装 digits的主要内容,如果未能解决你的问题,请参考以下文章

续:纠正:ubuntu7.04可以安装,而且完美的安装 ! for《Oracle-10.2.0.1,打补丁10.2.0.5:在 debian 版本4不含4以上,及 ubuntu 7.04不含(代码片段

安装win10时出现错误代码,0x80070570 - 0x2000C

win10网络重置代码56

win8 win10 安装msi 提示25022503的错误代码

win10安装应用程序出现错误代码0x800706d9怎么解决

win8 win10 安装msi 提示25022503的错误代码