現在來執行一個例項：mnist(名符其實的helloworld),具體文件參考digits的Github

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。

Download the data

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

# 進入到我的digits安裝目錄
$ cd ~/software/digits 
$ python2 -m digits.download_data mnist ~/mnist
 

Using the Webapp

同上一篇博文，開啟digits頁面。

Logging in

點選右上角的login--->輸入使用者名稱。

Creating a Dataset

1 選擇datdasets

2 選擇images下的分類

填寫內容如下圖所示

執行成功以後，應該出現下面這樣的頁面。

作業完成後，通過單擊頁面左上角的DIGITS返回主頁。 您現在應該看到“資料集”選項卡下列出的資料集。

Training a Model

點選Models > New Model > Images > Classification，這將引導你進入“新影象分類模型”頁面。

對於此示例，請執行以下操作：

1. 在“選擇資料集”欄位中選擇“MNIST”資料集
2. 在“標準網路”選項卡中選擇LeNet網路
3. 為模型命名
4. 單擊“建立”按鈕

要測試模型，請滾動到頁面底部。

• 單擊“上傳影象”按鈕並選擇一個檔案

           在/ home / yeler082/ mnist / test /中有很多可供選擇

• 或者，在Web上查詢影象並將URL貼上到“影象URL”欄位中
• 選中“顯示視覺化和統計資訊”框
• 單擊Classify One

在頁面頂部，DIGITS顯示前五個分類和相應的置信度值。 DIGITS還提供有關網路中每個層的權重和啟用的視覺化和統計資訊。

由於我安裝的cudnn版本及tensorflow版本過高，在啟動digits和測試的時候有