Caffe

Caffe是一個深度學習框架，最初開發於加利福尼亞大學伯克利分校。Caffe在BSD許可下開源，使用C++編寫，帶有Python接口。是賈揚清在加州大學伯克利分校攻讀博士期間創建了Caffe項目。項目託管於GitHub，擁有眾多貢獻者。Caffe應用於學術研究項目、初創原型甚至視覺、語音和多媒體領域的大規模工業應用。雅虎還將Caffe與Apache Spark集成在一起，創建了一個分佈式深度學習框架CaffeOnSpark。2017年4月，Facebook發佈Caffe2，加入了遞歸神經網絡等新功能。2018年3月底，Caffe2併入PyTorch。

Caffe 完全開源，並且在有多個活躍社區溝通解答問題，同時提供了一個用於訓練、測試等完整工具包，可以幫助使用者快速上手。此外 Caffe 還具有以下特點：

模塊性：Caffe 以模塊化原則設計，實現了對新的數據格式，網絡層和損失函數輕鬆擴展。

表示和實現分離：Caffe 已經用谷歌的 Protocl Buffer定義模型文件。使用特殊的文本文件 prototxt 表示網絡結構，以有向非循環圖形式的網絡構建。

Python和MATLAB結合： Caffe 提供了 Python 和 MATLAB 接口，供使用者選擇熟悉的語言調用部署算法應用。

GPU 加速：利用了 MKL、Open BLAS、cu BLAS 等計算庫，利用GPU實現計算加速。

簡單來講，Caffe 中的數據結構是以 Blobs-layers-Net 形式存在。其中，Blobs 是通過 4 維向量形式（num，channel，height，width）存儲網絡中所有權重，激活值以及正向反向的數據。作為 Caffe 的標準數據格式，Blob 提供了統一內存接口。Layers 表示的是神經網絡中具體層，例如卷積層等，是 Caffe 模型的本質內容和執行計算的基本單元。layer 層接收底層輸入的 Blobs，向高層輸出 Blobs。在每層會實現前向傳播，後向傳播。Net 是由多個層連接在一起，組成的有向無環圖。一個網絡將最初的 data 數據層加載數據開始到最後的 loss 層組合為整體。 ^[1] 

Ubuntu 16.04–12.04、OS X 10.11–10.8 上並通過 Docker 和 AWS 安裝和運行 Caffe。 ^[3]