一、介绍
Caffe,全称Convolutional Architecture for Fast Feature Embedding,是一个计算CNN相关算法的框架,由Yangqing Jia老师编写和维护的,代替了之前的decaf工具。Caffe是用C++和Python实现的,并提供了C++、Python、Matlab的接口,目前有Linux 和Windows版
Caffe 主页:http://caffe.berkeleyvision.org/
Linux版Caffe下载:https://github.com/BVLC/caffe
Windows版Caffe下载:https://github.com/niuzhiheng/caffe
二、优势
Caffe的优势:
1、所要实现的网络结构可以在配置文件中指定,不需要编码。
2、目前在GPU上实现CNN最快,在单个Tesla K20机器上,每天处理20million图片。
3、GPU和CPU之间无缝切换。
(1)Google Logging library (Glog): 一个C++语言的应用级日志记录框架,提供了C++风格的流操作和各种助手宏
(2)lebeldb(数据存储): 是一个google实现的非常高效的kv数据库,单进程操作。
(3)CBLAS library(CPU版本的矩阵操作)
(4)CUBLAS library (GPU 版本的矩阵操作)
三、系统结构
四、与其他CNN库对比
How to do regression?
https://github.com/BVLC/caffe/issues/512