caffe

caffe官网,深度学習流行的框架之一

什么是caffe?

caffe是一个清晰而高效的深度学習框架，純粹的C++/CUDA架构，支持命令行、Python和MATLAB接口，可以在CPU和GPU直接無缝切换

caffe官网: https://caffe.berkeleyvision.org/

caffe專案地址: https://github.com/BVLC/caffe

caffe的主要優势

（1）CPU与GPU的無缝切换；

（2）模型与優化都是透過配置文件来設置，無需代碼；

Caffe 框架诞生于 2013 年，使用C＋＋语言编寫，提供了MATLAB和Python 语言接口，接口清晰 ，是深度学習流行的框架之一。

Caffe 中具有優秀的卷积神經網路模型，可以从資料输入到输出逐層定義整个網路，由标准數组結构Blob、基本單元Layer Layers和連接的集合Net以及求解方法Solver构成，尽管 Caffe 特别适合机器視觉，但在循環神經網路上性能一般。Caffe2增加了對自然语言處理、时序预测以及對RNN, LSTM的支持。

Caffe框架的優点有以下几点：

• 易入門。網路模型、参數和優化方法以文本形式存儲，只需改寫網路配置文件即可得到新模型。
• 圖像處理速度快 Caffe 不仅适合處理海量圖像資料，而且速度非常快。
• 高度模块。可以根据規则定義新網路模型井擴展到其他模型或任
• 免費開源促使 Caffe 性能不斷提升。

Caffe中的資料結构如下：

掌握Caff中的資料結构是应用Caffe的基礎条件，其資料結构blob中對圖像資料、卷积神經網路的卷积權值、偏置的格式規定如下∶

（1）圖像資料∶數量×通道數×高×宽。

（2）卷积神經網路的權重∶卷积核數量×卷积核通道數×卷积核高×卷积核宽。

（3）卷积神經網路的偏置∶偏置數目×1×1×1。

2019年后，caffe 1，2 被pytorch超越，pytorch成為最受歡迎的深度学習框架，tensorflow紧随其后。事實上形成了pytorch+tensorflow的双雄局面。

按理說caffe 2 在inference deployment上的runtime（運行时）还是有速度優势的（虽然寫代碼的速度慢1个數量級，因為太难用）。但是caffe作者yangqing jia于2019年离開fb，加入alibaba主導阿里巴巴的開源宣传工作，意味着他也离開了caffe的開發一线。原来facebook内的caffe開發團队也把工作也逐漸迁移到pytorch上，caffe 3 遥遥無期。