Caffe

是什么

Caffe 是一个用来训练和部署深度模型的 C++ 库，重点在卷积神经网络（convolutional neural network，CNN）。它以 BSD 许可证发布，并附带 Python 和 MATLAB 绑定：使用者用这两种语言写脚本，真正的计算由编译好的 C++ 代码完成。^[1] 卷积网络由一层层滤波器堆叠而成，滤波器的参数是从数据里学出来的，不是人工设计的；库要做的事情，是读入一份网络描述，在训练数据上完成前向与反向计算，再把训练好的网络跑在新的输入上。BSD 属于宽松的开源许可证，允许使用、修改和再分发，这对想把库嵌进自家系统的团队有实际意义。

由来

介绍 Caffe 的论文题为《Caffe: Convolutional Architecture for Fast Feature Embedding》，2014 年 6 月 20 日首次发布在 arXiv 上。^[1] 作者是 Yangqing Jia、Evan Shelhamer、Jeff Donahue、Sergey Karayev、Jonathan Long、Ross Girshick、Sergio Guadarrama 和 Trevor Darrell。^[1] 此后代码由伯克利视觉与学习中心（Berkeley Vision and Learning Center）维护和开发，GitHub 上的贡献者也参与其中：实验室掌握核心代码，外部使用者提交修改和补充。^[1]

主要特点

速度是论文强调的重点。Caffe 使用 CUDA 在 GPU 上做计算，论文报告单块 K40 或 Titan GPU 一天可以处理超过 4000 万张图像，约合每张 2.5 毫秒。^[1] 这个数字描述的是视觉流水线里的吞吐：一张张图像依次通过网络。

另一个设计是把模型表示与实现分开：网络的描述写在配置文件里，而不是散落在代码中，因此同一个模型可以从做原型的机器搬到云端环境，不必重写。^[1] 库还自带一批参考模型，对应当时先进的深度学习算法，使用者可以从一个已经存在的网络起步，而不是从空白文件开始。^[1] 作者称，Caffe 支撑了视觉、语音和多媒体领域的研究项目、大规模工业应用以及创业公司的原型。^[1]

在发展中的位置

把这几样东西放在一起看——用配置描述网络、成套的参考模型、以每张图毫秒计的 GPU 吞吐——它们共同降低了复现和比较结果的成本。当网络是一份文件而不是一段代码时，这份文件可以直接交给别人，在对方的机器上跑起来；一个公开的模型也让不同的人有共同的起点，而不必各自从头搭一遍。

论文标题里的「快速特征嵌入（feature embedding）」点明了同一层意思：先把图像高效地变成特征表示，识别之类的任务再在这些表示之上进行。论文给 Caffe 划定的范围是卷积网络和其他深度模型，作者举出的应用场景是视觉、语音与多媒体中的研究项目、工业部署和早期产品，而不是某一个固定用途。^[1] 所以它的特点不在于某一项单独的技术，而在于几件分开说都很朴素的事情同时具备：宽松的许可证、让人用 Python 或 MATLAB 就能上手的绑定、搬到集群也不用改的模型格式、可以直接拿来用的参考模型，以及以「单块 GPU 每天处理多少张图」来衡量的速度。^[1]