文章講的是缺乏支援！caffe深度學習框架未來堪憂，
caffe是乙個由表示式，速度和模組化組成的深度學習框架。其優勢在於caffe的模型和優化是通過沒有硬編碼的配置來定義的，以及在gpu機器上設定了乙個flag以方便在cpu和gpu之間切換，然後部署到集群或移動裝置上。
與此同時，隨著我們進入2023年，caffe已經在1.0.0 rc 3版本幾乎停留一年了。雖然有一些**改進和可見進度，但專案仍然不穩定。目前很多人認為caffe的安裝和配置還比較複雜，但文件可以接受。
▲在caffe演示中，基於網路的影象分類示例使用卷積神經網路，這也是caffe的強大之一。該演示使用提供的範例是正常的，但我自己的影象沒有試驗成功，即便我的已經符合所列出的要求。
caffe功能和用例
caffe是乙個**經過良好測試的開放框架，以及深度學習模型和例項，使用以純c ++編寫的核心庫與cuda，以及命令列，python和matlab介面為主。
facebook使用caffe模型對上傳影象進行有害內容檢測，這是乙個很重要的功能，但攝影師對這種直接過濾而不考慮藝術背景的方式很不贊同。
caffe安裝
當我幾個月前第一次嘗試檢視caffe時，當時我無法在macos sierra上構建caffe可執行檔案，追蹤問題發現有一行顯示在makefile檔案中明確引用舊版本作業系統框架。我決定等維護者開始構建sierra，再繼續審查處理。我也希望，nvidia很快就會開始支援xcode 8，使我可以在不影響其他專案的前提下構建caffe與cuda gpu支援。
▲在macbook pro上，在2.6 ghz intel core i7 cpu上培訓mnist lenet大約需要7.5分鐘，10,000次迭代。這個速度足夠快，可以與執行lenet的其他框架相媲美。但是在cuda gpu上，如果適合gpu的ram，則只需要一分鐘。
更新儲存庫後，我可以構建和測試cpu的可執行檔案，以及配置python庫以便執行示例jupyter notebook。然而，當筆記本使用shell指令碼訪問單元格時，python就會崩潰。
我試著在windows 10上安裝caffe，在caffe中有相應支援。新的cmake構建聲稱是可以執行的，但似乎沒有建立可執行檔案。 一旦將專案從visual studio 2013轉換到visual studio 2015，舊版本的visual studio確實可以正常工作。但是，無法安裝python，甚至不能啟動jupyter notebook。
由於caffe的「home」系統是ubuntu，我啟動了乙個ubuntu「trusty」虛擬機器，並根據文件嘗試構建caffe。這一次，我可以構建和測試可執行檔案，但還是不能執行python。
這讓我只有兩個選項，選擇故障排除或者故障安裝：在docker中構建和執行，或在雲中執行預配置的機器映像。在儲存庫中讀取docker檔案的文件比較模糊，docker指令碼在ubuntu上安裝專案的方式與文件中提到的不同，新手安裝可能需要花費幾天時間，但安裝完你就會發現實際只需要乙個小時就可以。
caffe執行
caffe有命令列，python和matlab介面。由於目前缺少matlab副本，我沒有嘗試測試該介面。caffe依賴prototext檔案來定義其模型和求解器。 如下所示，顯示了參考「caffenet」影象分類器的模型和求解器配置。
▲caffe依賴prototext檔案來定義其模型和求解器。這個prototext檔案定義了用於imagenet影象分類的參考caffenet(修改的alexnet)卷積模型。
▲這個prototext檔案定義了caffenet(修改的alexnet)求解器用於imagenet影象分類。注意，可以在此檔案中設定gpu或cpu模式。
caffe在其模型模式中逐層定義網路。網路定義從輸入資料到整個模型。當資料和派生資料向前向後遍歷網路時，caffe儲存，通訊和操作資訊為blob(二進位制物件)，內部以c語言方式儲存n維陣列。圖層對blob執行操作，它們構成了caffe模型元件。
一旦你建立了pycaffe，你就可以在caffe上執行python指令碼，並且能夠執行jupyter notebook。如上所述，我在執行jupyter notebook時遇到了一些問題，雖然我可以在nbviewer中檢視已發布的notebook，如下所示。
▲在nbviewer中顯示的預先計算的caffe jupyter notebook。這本解釋了使用乙隻可愛的小貓在caffe上實驗的過程。建議使用該模型需要在geforce gt 650m上有超過1gb的gpu記憶體可用，原始影象應使用g2.2xlarge或更好的例項。
結語
caffe目前的社群比較懶散，導致該專案後期的發展緩慢。在社群中發問，很難得到答覆。相比之下，aws不僅具有可用於gpu的例項，而且還提供具有caffe預構建並具有gpu支援的ami映像。亞馬遜不再是擁有這種支援的唯一雲。還可以考慮azure batch shipyard及其使用nc系列例項的深度學習，google雲也即將加入這場戰爭。
正如我們所看到的，caffe是乙個深度學習框架，從berkeley的視覺和學習研究中心成長起來的，目前仍然強調影象處理，儘管其範圍有所擴大。與其他深度學習框架相比，caffe開發人員對專案的成熟度，可移植性和迭代速度有待提高。如果現有的caffe模型符合你的需求或可以根據你的目的微調，建議使用。否則，建議使用tensorflow，mxnet或cntk。
▲免費開源。 平台：linux，macos，windows，docker。
Caffe深度學習計算框架
1 caffe set mode caffe gpu 1 name dummy net 2 3 layers 45 layers 67 layers 8 layers 1 name conv1 2 type convolution 3 bottom data 4 top conv1 5 convol...
深度學習系列3 框架caffe
caffe是賈揚清大神開發的一套系統，caffe2是重構後的版本。其基本結構為 import numpy as np import time from caffe2.python import core,workspace from caffe2.proto import caffe2 pb2 x ...
深度學習框架caffe訓練過程
1.資料準備 2.生成訓練資料和測試資料的label，生成 3.生成訓練資料和測試資料對應的lmdb build tools convert imageset shuffle true backend lmdb data cigarettetrain20170413 data cigarettetr...