首先需要配置多GPU环境，具体参考：
安装DIGITS可以直接下deb文件安装，也可以选择编译代码安装（这样安全，不会导致一些库冲突安装，尤其是参考新Titan X+Ubuntu14.04安装）
1、安装caffe-nv
下载caffe-nv，解压在/home/DL/DIGITS/下
A、首先安装一些依赖库：CUDA（已安装）、BLAS 、Boost、OpenCV等等，见官网的安装方法：http://caffe.berkeleyvision.org/installation.html，或自述文件（installation.md）。
sudoapt-get install libprotobuf-dev libleveldb-dev \
libsnappy-dev libopencv-devlibboost-all-dev libhdf5-serial-dev \
libgflags-dev libgoogle-glog-devliblmdb-dev protobuf-compiler \
libatlas-base-dev
B、安装其它的依赖库：查看“requirements.txt”文件，请注意将下面的路径替换为你的路径。
cd/home/DL/DIGITS/caffe/Python
forreq in $(catrequirements.txt); dosudo pip install $req; done
C、修改配置文件并编译：终端进入“caffe”文件夹，复制一份Makefile.config文件，然后修改Makefile.config文件，
如果使用OPenCV 3需要将OPENCV_VERSION := 3前边的注释去掉
取消对行 USE_CUDNN := 1 的注释。这可以启用 cuDNN 加速。
取消对行 USE_NCCL := 1 的注释。这可以启用在多个 GPU 上运行 Caffe 所需的 NCCL。
此处尤为注意，如果没有设定，多个GPU情况下DIGITS只能识别一个可用
安装NCCL
git clone https://github.com/NVIDIA/nccl.get
cd nccl
makeCUDA_HOME=/usr/local/cuda test
sudo makePREF IX=/usr/local install
添加环境变量
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$ LD_LIBRARY_PATH
cd /home/DL/DIGITS/caffe
make all -j4
make py -j4
make test -j4
make runtest -j4
然后将caffe路径设置为环境变量
# Add environment
echo -e"\nexportCAFFE_HOME=/home/DL/DIGITS/caffe" >> ~/.bashrc
# load the new environmental variables
source~/.bashrc
2、安装DIGITS
A、下载DIGITS（https://github.com/NVIDIA/DIGITS）解压在/home/DL/DIGITS/下，解压文件夹为digits
B、安装DIGITS：
命令如下，注意修改路径。
cd/home/DL/DIGITS/digits
sudo apt-get install graphviz gunicorn
for req in $(cat requirements.txt); dosudo pip install $req; done
C、启动DIGITS
进入digits文件夹，给文件“./digits-devserver”赋予可执行权限，然后./digits-devserver运行digits：
cd ~/sfw/digits
chmod +x./digits-devserver
./digits-devserver
D、配置DIGITS
上述步骤，是按默认配置启动digits，如果你想自定义配置，可以在启动前输入：
Most values are setsilently by default. If you need more control over your configuration, try oneof these commands:
# Set more options before starting the server
./digits-devserver --config
# Advanced usage
python -m digits.config.edit –verbose
E、使用DIGITS
下载MNIST数据集在/digits/download_data/目录下
执行 python ./__main__.py mnist 你的路径/digits/data/mnist
然后通过浏览器localhost:5000用DIGITS训练模型。