caffe

caffe官网,深度学习流行的框架之一

什么是caffe?

caffe是一个清晰而高效的深度学习框架，纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口，可以在CPU和GPU直接无缝切换

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

caffe项目地址: https://github.com/BVLC/caffe

caffe的主要优势

（1）CPU与GPU的无缝切换；

（2）模型与优化都是通过配置文件来设置，无需代码；

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

Caffe 中具有优秀的卷积神经网络模型，可以从数据输入到输出逐层定义整个网络，由标准数组结构Blob、基本单元Layer Layers和连接的集合Net以及求解方法Solver构成，尽管 Caffe 特别适合机器视觉，但在循环神经网络上性能一般。Caffe2增加了对自然语言处理、时序预测以及对RNN, LSTM的支持。

Caffe框架的优点有以下几点：

易入门。网络模型、参数和优化方法以文本形式存储，只需改写网络配置文件即可得到新模型。图像处理速度快 Caffe 不仅适合处理海量图像数据，而且速度非常快。高度模块。可以根据规则定义新网络模型井扩展到其他模型或任免费开源促使 Caffe 性能不断提升。

Caffe中的数据结构如下：

掌握Caff中的数据结构是应用Caffe的基础条件，其数据结构blob中对图像数据、卷积神经网络的卷积权值、偏置的格式规定如下∶

（1）图像数据∶数量×通道数×高×宽。

（2）卷积神经网络的权重∶卷积核数量×卷积核通道数×卷积核高×卷积核宽。

（3）卷积神经网络的偏置∶偏置数目×1×1×1。

2019年后，caffe 1，2 被pytorch超越，pytorch成为最受欢迎的深度学习框架，tensorflow紧随其后。事实上形成了pytorch+tensorflow的双雄局面。

按理说caffe 2 在inference deployment上的runtime（运行时）还是有速度优势的（虽然写代码的速度慢1个数量级，因为太难用）。但是caffe作者yangqing jia于2019年离开fb，加入alibaba主导阿里巴巴的开源宣传工作，意味着他也离开了caffe的开发一线。原来facebook内的caffe开发团队也把工作也逐渐迁移到pytorch上，caffe 3 遥遥无期。

Caffe 全称：Convolution Architecture For Feature Extraction(用于特征抽取的卷积框架)。

Caffe是一个清晰、可读性高、快速的深度学习框架。

背景：
Caffe前身是decaf,由加州伯克利大学博士贾扬青开发的一个用于深度卷积网络的Python框架（无GPU）模式，之后被伯克利大学实验室团队丰富成caffe。

Cafee的特点
Expression:通过文本来构建模型和优化策略，而不是代码。
Speed:现有的CNN模型中速度最快。在NVIDIA K40 或Titan GPU*上，训练一张图片要5ms，测试一张图片要2ms。
Modularity:易扩展
纯C++/CUDA构建的框架，提供了命令行、Python、MATLAB接口
实现了CPU和GPU的无缝结合
Caffe Model Zoo :model share