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.

*凭借ILSVRC2012获奖SuperVision公司模型和预取IO。

文档

• 自助咖啡视觉深度学习和一天的咖啡
  框架的教程演示和全天速成课程。
• 教程文档
  实用指南和框架参考。
• arXiv/ACM MM’14纸张
  一份4页的ACM多媒体开源竞赛报告（arXiv:1408.5093v1）。
• 安装说明
  在Ubuntu、Red Hat、OS X上测试。
• 模范动物园
  BAIR建议Caffe模型采用标准的分发格式，并提供经过训练的模型。
• 发展和贡献
  发展指南和对Caffe的贡献。
• API文档
  开发人员文档由代码注释自动生成。
• 标杆管理
  比较不同网络和GPU的推理和学习。

笔记本示例

• 图像分类和滤波器可视化
  通过预先训练的模型和浏览网络界面进行即时识别，逐层可视化特征和参数。
• 学习LeNet
  使用Python接口定义、训练和测试经典LeNet。
• 风格识别的微调
  根据新数据微调ImageNet-trained CaffeNet。
• 用于分类的非自有SGD
  使用Caffe作为通用SGD优化器，对非图像HDF5数据进行逻辑回归训练。
• 使用Python数据层的多标签分类
  使用Python数据层对PASCAL VOC进行多标签分类。
• 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。
• R-CNN检测
  在Python中将预处理模型作为检测器运行。
• 暹罗网络嵌入
  提取特征并绘制暹罗网络嵌入图。

命令行示例

• ImageNet教程
  在ImageNet数据上训练和测试“CaffeNet”。
• LeNet MNIST教程
  在MNIST手写数字数据上训练和测试“LeNet”。
• CIFAR-10教程
  根据CIFAR-10数据对Caffe进行培训和测试。
• 风格识别的微调
  在“Flickr Style”数据集上微调ImageNet-trained CaffeNet。
• 使用Caffe C++代码进行特征提取。
  使用Caffe实用程序提取CaffeNet/AlexNet功能。
• CaffeNet C++分类示例
  一个使用低级C++API执行图像分类的简单示例。
• 网络演示
  图像分类演示作为Flask web服务器运行。
• 暹罗网络教程
  根据MNIST数据训练和测试暹罗网络。

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.

联系我们

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。