Caffe

Caffe 是一个深度学习框架，由 Yangqing Jia 在加州大学伯克利分校读博期间发起，现在由伯克利 AI 研究团队（BAIR）和社区贡献者共同维护。它主要解决卷积神经网络在图像分类、特征提取这类任务上的训练和部署问题，用配置文件描述网络结构和优化参数，不用写大量胶水代码。

主要功能

模型和优化过程都写在配置文件里，改网络结构不用动代码。训练时用 GPU，部署时把标志一改就能切到 CPU 或集群、移动设备上。框架自带模型库，提供训练好的模型可以直接拿来用，也附了图像分类、LeNet、CIFAR-10 等命令行和 Notebook 示例。按官方说法，单块 NVIDIA K40 GPU 一天能处理超过 6000 万张图片，推理约 1 毫秒一张。

适合谁

做计算机视觉研究、需要快速复现实验的人，以及要把训练好的模型部署到生产环境里的工程团队。官方文档里提到它已经被用在学术研究、创业原型和大规模工业应用中，覆盖视觉、语音和多媒体方向。

费用与限制

项目以 BSD 2-Clause 许可证开源，可以免费使用和修改。安装说明里写明在 Ubuntu、Red Hat 和 OS X 上测试过。框架本身不提供托管服务，需要自己准备机器和 GPU 环境；社区讨论在 caffe-users 邮件组和 GitHub Issues 上进行。