Kafé

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 5 maj 2022; verifiering kräver 1 redigering .
Kafé
Sorts djup inlärningsmiljö
Författare Yangqing Jia
Utvecklaren Berkeley Vision and Learning Center
Skrivet i C++
Operativ system Linux , macOS , Windows [1]
senaste versionen 1,0 [2] (18 april 2017 ) ( 2017-04-18 )
Licens BSD [3]
Hemsida caffe.berkeleyvision.org

Caffe  är ett ramverk för djupinlärning som utvecklats av Yangqing Jia när han förberedde sin avhandling vid University of Berkeley . Caffe är programvara med öppen källkod som distribueras under BSD-licensen . [4] Skrivet i C++ och stöder ett Python -gränssnitt . [5]

Namnet Caffe kommer från förkortningen " Convolution Architecture For Feature Extraction " (Convolution Architecture For Feature Extraction).

Historik

Yanqin Jia vid UC Berkeley skapade Caffe för att stödja djupinlärning . Avhandlingens nyckelfråga var att säkerställa effektiv parallell bearbetning av flerdimensionella matrisoperationer , för vilket det beslutades att skapa ett ramverk baserat på MATLABs matematiska bibliotek och CUDA multiprocessorarkitekturen . Den första utvecklingen tog bara två månader. [6] Många utvecklare har anslutit sig till projektet och det är nu värd genom GitHub -webbtjänsten . [7]

I april 2017 tillkännagav Facebook skapandet av Caffe2 [8] , som inkluderar nya funktioner, i synnerhet återkommande neurala nätverk .

I maj 2018 slogs teamen Caffe2 och PyTorch samman. [9] Caffe2-koden har sedan flyttats till PyTorch-förvaret och är en del av det senare.

Egenskaper

Caffe stöder många typer av maskininlärning , främst inriktade på att lösa problem med bildklassificering och segmentering . Caffe tillhandahåller Convolutional Neural Networks , RCNNs, Long Short Term Memory och Fullt Connected Neural Networks. [10] Samtidigt, för att påskynda inlärningen, används ett system med grafikprocessorer (GPU) som stöds av CUDA- arkitekturen och använder CuDNN-biblioteket från Nvidia . [elva]

Caffe låter dig använda färdiga industriella neurala nätverkskonfigurationer som har testats. Satsen innehåller bland annat AlexNet , som vann ImageNet- tävlingen 2012 [12] , och GoogLeNet , som vann ImageNet- tävlingen 2014 [13]

Caffe manipulerar blobs  - flerdimensionella arrayer av data som används i parallell beräkning och placeras på CPU eller GPU . Inlärning i ett faltningsneuralt nätverk implementeras som parallella multiprocessorberäkningar av blobbar från lager till lager (framåt och bakåt). Lösaren koordinerar hela inlärningsprocessen - framåt från ingång till utdata, får felfunktionen, bakåt ( Backpropagation ) tillbaka från utdatalagret med hjälp av felgradienter. Samtidigt implementerar Caffe olika inlärningsstrategier för Solver.

Som indata används data från minnet, från en databas eller från externa lagringsmedia. Konvolutionella skikt, traditionella faltningsnätverk, ReLU-skikt, pooling, helt anslutna skikt, såväl som utvikningsskikt (dekonvolution) för RNN -nätverk används som dolda skikt . Många andra typer av lager, filter, datatransformationer och felfunktioner tillhandahålls också.

Applikationer

Caffe används i akademisk forskning, prototyper för startups, såväl som för industriella tillämpningar som bild-, tal- eller multimediaigenkänning. Yahoo! integrerade även Caffe med Apache Spark - miljön och skapade det distribuerade ramverket för CaffeOnSpark. [fjorton]

Se även

Anteckningar

  1. ↑ Microsoft/caffe . GitHub . Hämtad 22 juli 2017. Arkiverad från originalet 22 april 2017.
  2. ↑ Utgåva 1.0 . Hämtad 22 juli 2017. Arkiverad från originalet 2 augusti 2017.
  3. ↑ café/LICENS hos mästare . GitHub . Hämtad 22 juli 2017. Arkiverad från originalet 20 maj 2019.
  4. ↑ BVLC/caffe . GitHub . Hämtad 22 juli 2017. Arkiverad från originalet 22 mars 2019.
  5. ↑ Jämför ramar: Deeplearning4j, Torch, Theano, TensorFlow, Caffe, Paddle, MxNet, Keras & CNTK (länk ej tillgänglig) . Hämtad 22 juli 2017. Arkiverad från originalet 29 mars 2017. 
  6. ↑ The Caffe Deep Learning Framework: En intervju med kärnutvecklarna . Inbäddad vision. Hämtad 22 juli 2017. Arkiverad från originalet 29 september 2017.
  7. ↑ Caffe: ett snabbt öppet ramverk för djupinlärning. . GitHub. Hämtad 22 juli 2017. Arkiverad från originalet 22 mars 2019.
  8. ↑ Caffe2 Open Source ger utvecklare verktyg för maskininlärning på flera plattformar . Hämtad 22 juli 2017. Arkiverad från originalet 28 april 2019.
  9. ↑ Caffe2 och PyTorch går samman för att skapa en Research + Production-plattform PyTorch 1.0 . Hämtad 27 september 2018. Arkiverad från originalet 27 september 2018.
  10. ↑ Kaffehandledning - vision.princeton.edu . Arkiverad från originalet den 5 april 2017.
  11. ↑ Deep Learning för datorseende med Caffe och cuDNN . Hämtad 22 juli 2017. Arkiverad från originalet 1 december 2017.
  12. ↑ ImageNet-klassificering med Deep Convolutional Neural Networks . Hämtad 23 juli 2017. Arkiverad från originalet 27 juli 2017.
  13. ↑ GoogleLeNet (nedlänk) . Hämtad 23 juli 2017. Arkiverad från originalet 4 augusti 2017. 
  14. ↑ Yahoo går in i racet om artificiell intelligens med CaffeOnSpark . Arkiverad från originalet den 21 maj 2017. Hämtad 22 juli 2017.

Länkar

 Program för djupinlärning
gratis mjukvara
Icke-fri programvara