DIGITS
给大家介绍一个工具，叫做DIGITS。DIGITS是一个基于WEB UI交互式的深度学习训练系统。对于深度学习的初学者或数据科学家来说，这个工具能够为他们提供极大的便利性，主要有四个方面的功能。
1、进行数据的预处理。比如说我可以把一些原始的jpeg格式的图片转成lmdb或者leveldb这样的数据库导入到DIGITS。
2、我可以利用DIGITS去配置我的网络模型，比如我去选某个Deep Learning的框架，某一个标准的模型，比如AlexNet、GoogLeNet等，或者自定义一个网络模型，然后去设置模型训练参数，以及要使用哪些GPU。
3、可以实时动态地监控整个训练过程。当导入数据和配置网络模型完成后，就可以点击按钮开始训练，在训练过程中可以实时动态地去监控loss和accuracy这样的参数曲线以及GPU、 CPU的利用率，包括显存和内存的使用情况都可以一目了然。
4、训练完成之后，我们还可以使用保存的训练好的model的参数进行一些测试，包括网络层可视化这样的工作。目前DIGITS支持的深度学习框架包括了Caffe、PyTorch和TensorFlow，支持的算法主要是包含了图像分类、图像分割、目标检测。
下面展示几组Tesla V100在不同的Deep Learning的framework上，针对不同的网络模型的一些benchmark测试结果，他们对比的都是八颗Tesla V100以及八颗P100的性能加速。左边展示的是Tesla V100的PCIe卡的性能加速，右边展示的是Tesla V100的NVLink卡的性能加速。针对不同的framework，实际上Tesla V100的加速效果确实会略有不同，需要说明的是，这些framework测试中包括Caffe、Caffe2、TensorFlow、MXNet以及PyTorch，他们都支持Tensor Core，但是目前CNTK还不支持Tensor Core。
