卡费
Caffe是一个基于表达、速度和模块化的深度学习框架。它由伯克利AI Research开发(BAIR公司)以及社区贡献者。杨庆佳在加州大学伯克利分校攻读博士期间创建了该项目。咖啡因在BSD 2条款许可.
查看我们的网络图像分类演示!
为什么选择咖啡?
表达型建筑鼓励应用和创新。模型和优化由配置定义,无需硬编码。通过设置单个标志在GPU机器上训练,然后部署到商品集群或移动设备,在CPU和GPU之间切换。
可扩展代码促进积极发展。在Caffe成立的第一年,它已经被1000多名开发人员开发出来,并做出了许多重大改变。由于这些贡献者,框架跟踪了代码和模型中的最新技术。
速度使Caffe成为研究实验和行业部署的完美选择。咖啡罐加工每天超过6000万张图像使用单个NVIDIA K40 GPU*。这是1毫秒/图像用于推理,4毫秒/图像用来学习,更新的库版本和硬件更快。我们相信Caffe是目前最快的convnet实现之一。
社区:Caffe已经在视觉、语音和多媒体领域支持学术研究项目、初创公司原型,甚至大规模工业应用。加入我们的酿酒商社区caffe-users组和github.
文档
笔记本示例
-
-
-
风格识别的微调根据新数据微调ImageNet-trained CaffeNet。
-
-
-
编辑模型参数如何进行净手术和手动更改模型参数以供自定义使用。
-
-
命令行示例
-
-
-
-
风格识别的微调在“Flickr Style”数据集上微调ImageNet-trained CaffeNet。
-
-
-
网络演示图像分类演示作为Flask web服务器运行。
-
引用咖啡馆
如果Caffe对您的研究有帮助,请在您的出版物中引用它:
@第{jia2014caffe条,作者={贾,杨青和谢尔哈默,埃文和多纳休,杰夫和卡拉耶夫,谢尔盖和朗,乔纳森和吉希克,罗斯和瓜达拉马,塞尔吉奥和达雷尔,特雷弗},日志={arXiv-print arXiv:1408.5093},Title={Caffe:快速特征嵌入的卷积架构},年份={2014}}
如果你确实发表了一篇Caffe帮助你研究的论文,我们鼓励你引用追踪框架谷歌学者.
加入caffe-users组提出问题并讨论方法和模型。这是我们讨论使用、安装和应用程序的地方。
框架开发讨论和全面的错误报告收集于问题.
致谢
BAIR Caffe开发者感谢NVIDIA对GPU的捐赠,A9和Amazon Web Services为支持Caffe开发和深度学习中的可复制研究提供的研究拨款,以及BAIR PI特雷弗·达雷尔以获取指导。
为Caffe捐款的BAIR成员包括(按名字字母顺序排列):卡尔·多尔施,埃里克·曾荫权(Eric Tzeng),埃文·谢尔哈默,杰夫·多纳休,乔恩·朗,菲利普·克雷恩布尔(Philipp Krähenbühl),胡荣杭,罗斯·吉希克,谢尔盖·卡拉耶夫,塞尔吉奥·瓜达拉马,Takuya Narihira先生、和杨庆佳.
开源社区在Caffe的发展中发挥着越来越重要的作用。看看Github项目脉冲最近的活动和贡献者查看完整列表。
我们衷心感谢您的关注和贡献!如果你想贡献,请阅读发展和贡献指南。
杨青对NVIDIA学术项目提供GPU表示个人感谢,Oriol葡萄酒用于沿途讨论,以及BAIR PI特雷弗·达雷尔征求意见。