Caffe logo

Caffe

UC伯克利研究推出的深度学习框架

AI应用开发
Caffe

详细描述

1.

  • Caffe:深度学习框架的佼佼者 Caffe是由加州大学伯克利分校的人工智能研究部门(BAIR)和社区贡献者共同开发的深度学习框架。它以其表达性、速度和模块化而闻名,由Yangqing Jia在UC Berkeley攻读博士期间创建,并在BSD 2-Clause许可证下发布。 2.
  • 为何选择Caffe? Caffe的表达性架构鼓励应用和创新,模型和优化通过配置定义,无需硬编码。只需设置一个标志,即可在GPU机器上训练,然后在普通集群或移动设备上部署,轻松在CPU和GPU之间切换。 3.
  • 代码的可扩展性 Caffe的可扩展代码促进了活跃的开发,在其发布后的第一年,就有超过1000名开发者对其进行了分支,并贡献了许多重要的变更。得益于这些贡献者,Caffe框架紧跟最新的代码和模型发展。 4.
  • 速度:研究和部署的理想选择 Caffe的速度使其成为研究实验和工业部署的理想选择。使用单个NVIDIA K40 GPU,Caffe每天可以处理超过6000万张图片。这相当于每张图片的推理时间为1毫秒,学习时间为4毫秒。Caffe被认为是目前最快的卷积网络实现之一。 5.
  • 社区支持 Caffe已经支持了学术研究项目、初创公司原型,甚至是大规模的工业应用,涉及视觉、语音和多媒体领域。加入caffe-users群组和Github,与我们的社区一起酿造深度学习的精华。 6.
  • 文档和教程 Caffe提供了丰富的文档和教程资源,包括DIY深度学习视觉教程、框架参考、arXiv / ACM MM ‘14论文、安装指南、模型动物园、开发与贡献指南、API文档和基准测试比较。 7.
  • 示例和演示 Caffe还提供了笔记本示例和命令行示例,如使用Python接口定义、训练和测试经典LeNet,编辑模型参数,以及在Python中运行预训练模型作为检测器等。 8.
  • 引用Caffe 如果你的研究受到了Caffe的帮助,请在你的出版物中引用它,以便于Google Scholar跟踪。Caffe的引用格式如下: 9.
  • 致谢 BAIR Caffe开发者感谢NVIDIA的GPU捐赠,A9和亚马逊网络服务对Caffe开发和深度学习可重复研究的研究资助,以及BAIR PI Trevor Darrell的指导。