问题标签 [nvidia-digits]

我在容器中运行 DIGITS，并使用-p 5001参数启动该容器。如何使用我的主机连接该 DIGITS 站点？这是我运行 DIGITS 应用程序时容器的外观。

我想使用 mnist 数据集在 caffe 和 nvidia-digits 中训练一个简单的自动编码器。

我有：咖啡：0.16.4 DIGITS：5.1 python 2.7

我使用这里提供的结构： https ://github.com/BVLC/caffe/blob/master/examples/mnist/mnist_autoencoder.prototxt

然后我面临两个问题：

• 当我使用提供的结构时，我收到此错误：

  /li>

• 当我删除''test-on-test''的图层时，我得到了这样的错误结果： https ://screenshots.firefox.com/8hwLmSmEP2CeiyQP/localhost

问题是什么？？

软件包 Digits 需要使用 Caffe 安装目录的位置设置环境变量。

安装 Caffe 的简单方法是apt-get install caffe-cuda. 但是，我无法弄清楚它安装在哪里。它没有安装在主目录中，dpkg -L caffe-cuda仅显示/usr/share/doc.

有任何想法吗？

有没有人在多 GPU 模式下使用 DIGITS (v5) 成功训练语义分割模型 (FCN8s)？

我可以在单个 GPU 上成功训练，但速度很慢。

当我选择多个 GPU（我的工作站有 4 个 Titan Xp）时，整个系统会关闭并重新启动。这似乎是其他人在 nVidia DIGITS Google 小组中报告的问题。

非常感谢任何见解。

Ubuntu 14.04 Caffe 0.15.13 DIGITS 5.0

训练期间 Nvidia Digits UI 中的基本学习率与 caffe .prototxt 文件中定义的每一层的学习率参数（lr_pm）之间有什么区别。最后使用哪个学习率？

我在 python 3 上安装了 Caffe 和 DIGITs，它似乎可以部分工作，但是我仍然收到关于版本 2.6.1 和 3.5 的 Protobuf 错误。

所以我重新安装Protobuf，然后重新安装Caffe。我有一个 Anaconda python3.6 环境，我正在Caffe那个环境中重新编译。在这cmake ..一步中，我看到检测到的 python 版本是 Python2.7 而不是 Python3——即使我在 conda python 3.6 环境中。甚至检测到的 numpy 版本也适用于 2.7：

所以我真正的问题是 DIGITS 是否适用于 python 3 中的 Caffe？除了对问题的不透明引用外，我在文档中找不到任何明确的指示：

https://github.com/NVIDIA/DIGITS/issues/511

谁能澄清一下？

我是这个深度学习的新手。我通过阅读并尝试实现一个真实的网络来了解它如何/是否真的有效，从而学习了基础知识。我选择了 Tensorflow 数字和以下网络，因为它们给出了带有训练材料的确切架构。使用 DL 进行隐写分析 我通过查看数字现有网络和 Tensorflow 文档中的网络，为使用 DL 的隐写分析中的架构编写了以下代码。

我尝试运行它，但准确性非常低。有人能告诉我我是不是完全错了，或者有什么问题，并告诉我如何正确编码？

更新：谢谢 Nessuno！通过您提到的修复，我想出了以下代码：

求解器类型为 SGD。学习率为 0.001。我正在改组训练数据。我已将训练数据增加到 6000 个（每个类别 3000 个，其中 20% 用于验证）。我从这个链接下载了训练数据。但我只得到下图。我认为这是过度拟合。您对提高验证准确性有什么建议吗？

我使用 DIGITS (NVCaffe) 训练了我的模型，并在 opencv 中使用它，类似于使用 .prototxt 和 .caffemodel 的 opencv 示例，我对其进行了测试并且效果很好。但是当我使用由数字训练的模型时，我得到了这个错误：

帮我解决它！这个问题之前提过很多次都没有回答！ http://answers.opencv.org/question/177086/unable-to-use-caffe-model-trained-in-nvidia-digits-in-opencv-dnn-code/

我最近从本教程中构建了数字，一切都很好，我终于训练了我的 AlexNet 模型（还训练了一个 SqueezNet，以便我可以在这里上传模型）！问题是当我从 Digits 下载我的模型时，我无法将它加载到我的程序中进行测试！我已经使用从这个链接下载的 GoogleNet 测试了我的程序 ，它工作正常！我在这个函数中使用 OpenCV readNetFromCaffe 来加载 Caffe 模型

加载我的模型时出现以下错误

OpenCV 错误：blo bFromProto 中的断言失败 (pbBlob.raw_data_type() == caffe::FLOAT16)
，文件 /home/nvidia/build-opencv/opencv/modules/dnn/src/caffe/caffe_im
porter.cpp，第 242 行异常: /home/nvidia/build-opencv/opencv/modules/dnn/src/caffe/caffe_importer .cpp:242: 错误: (-215) pbBlob.raw_data_type() == caffe::FLOAT16 in function blo
bFromProto

OpenCV 错误：在setInput、文件 /home/nvidia/build-opencv/opencv/modules/dnn/src/dnn.cpp中未找到请求的对象（未找到请求的 blob“数据”） ，第
1606 行终止后调用'cv::Exception' 实例
what(): /home/nvidia/build-opencv/opencv/modules/dnn/src/dnn.cpp:1606: 错误: (-204) 函数中未找到请求的 blob“数据”设置输入

中止（核心转储）

任何帮助将不胜感激<3

opencv 3.3.1 版也在 (3.3.0 ,3.4.1) 上测试过同样的错误！在没有 Cuda、Cudnn 或 Caffe 的系统上进行测试，只是纯 c++ 和 OpenCv ......但我已经用 Cuda、Cudnn 和 caffe 在 aws ec2 实例（p3.2xlarge）上训练了我的模型！

您可以在此处下载经过训练的 squeezNet 模型（.prototxt 和 .caffemodel）

我正在尝试训练神经网络来检测隐写图像。我将 Nvidia Digits 与 Tensorflow 一起使用。我的问题是损失开始逐渐减少，然后开始跳跃。

我的神经网络是 -

我正在使用具有 0.0005 基本学习率的 SGD。我将步长更改为 5%，gamma 为 0.95。（我在研究时使用了这些设置，并且当学习率没有足够快地降低时，一段时间后损失开始跳跃 - 早些时候我使用 0.0005 和基本速率和 nvidia 数字默认步长）。

你知道如何让损失逐渐减少吗？任何建立网络的建议或指导将不胜感激。

谢谢！