經過前面的操作，我們就把資料準備好了。

一、訓練一個model

右擊右邊Models模組的” Images" 按鈕 ，選擇“classification"

在開啟頁面右下角可以看到，系統提供了一個caffe model,分別為LeNet, AlexNet, GoogLeNet, 如果使用這三個模型，則所有引數都已經設定好了，就不用再設定了。

在下面，系統為我們列舉出了本機所帶的顯示卡，我們可以選擇其中一塊進行執行。

在最下面，輸入一個model name, 就可以點選create 按鈕了。如果有些選項不對，會有錯誤提示，很人性化。

在訓練過程頁面，左上角顯示了生成的配置檔名稱 （放在job目錄檔案下，預設路徑為：/usr/share/digits/digits/jobs/），執行過程中儲存的caffemodel快照也儲存在這個目錄下面。

頁面中間顯示了訓練和測試的資料資訊，右面顯示了訓練所用的時間和gpu使用情況，下面就是一些實時化圖表,可以看到訓練階段的loss, 測試階段的loss和accuracy,相當方便，甚至還可以看到學習率的變化情況，吃驚吧！

模型訓練好後，直接就可以在下面進行測試了。

二、測試新來的圖片

將頁面拖到最下面，選擇Upload imager按鈕，載入一幅測試圖片。在 /home/username/mnist/test/ 下面有大量的測試圖片，隨便選一張就可以了。

也可以通過在Image URL方框裡，輸入一張網上的圖片地址來進行測試。

載入好測試圖片，在 Show visualizations and statistics

點選”Classify One" 按鈕就可以開始測試了。

如果你不是對一張圖片進行測試，而是一個測試集，則是在" Upload Image List"這個地方，選擇測試圖片的列表清單檔案（如 val.txt)

系統會彈出一個新的頁面，顯示top-5的分類情況 ，同時digits還提供了測試資料與權值的視覺化和統計資訊。

最後一句話總結，nvidia digits, 誰用誰知道！