Caffe
Caffe ist eine Programmbibliothek für Deep Learning. Sie wurde von Yangqing Jia während seiner Ph.D.-Zeit am Vision and Learning Center der University of California, Berkeley entwickelt.[2]
Caffe | |
---|---|
Basisdaten | |
Maintainer | Berkeley Artificial Intelligence Research (BAIR) |
Entwickler | Yangqing Jia |
Erscheinungsjahr | 2014 |
Aktuelle Version | 1.0[1] (18. April 2017) |
Betriebssystem | Unixoide, macOS, Microsoft Windows |
Programmiersprache | C++ |
Kategorie | Programmbibliothek für Deep Learning |
Lizenz | BSD-Lizenz |
deutschsprachig | nein |
caffe.berkeleyvision.org/ |
Caffe hat zuerst die MATLAB-Implementierung von schnellen Convolutional Neural Networks (CNN) nach C und C++ portiert. Caffe enthält zahlreiche Algorithmen und Deep-Learning-Architekturen für die Klassifikation und Clusteranalyse von Bilddaten. CNN, R-CNN (Rekurrentes neuronales Netz), LSTM (Long short-term memory) und vollständig verbundene neuronale Netze werden unterstützt. Mit Caffe kann die Grafikprozessor-basierte Beschleunigung mit cuDNN von Nvidia genutzt werden[3].
Als hauptsächliche Programmierschnittstelle sind Python[4] (NumPy) und MATLAB vorgesehen. Yahoo hat Caffe in Apache Spark eingebunden (caffeonspark) um Deep Learning verteilt zu verwenden.[5]
Literatur
- Yangqing Jia u. a.: Caffe: Convolutional Architecture for Fast Feature Embedding. In: UC Berkeley EECS. Berkeley 2014 (Online [PDF]).
Weblinks
Einzelnachweise
- Release 1.0. 18. April 2017 (abgerufen am 23. April 2018).
- Embedded Vision Alliance: The Caffe Deep Learning Framework: An Interview with the Core Developers. In: Embedded Vision Alliance. Abgerufen am 5. April 2017 (englisch).
- Evan Shelhamer: Deep Learning for Computer Vision with Caffe and cuDNN. In: Nvidia. Nvidia Corp., 15. Oktober 2014, abgerufen am 5. April 2017 (englisch).
- Nikhil Ketkar: Deep Learning with Python. A Hands-on Introduction. Apress, 2017, ISBN 978-1-4842-2765-7.
- Michael Thomas, Gabriela Motroc: CaffeOnSpark: Yahoo macht Deep-Learning-Software quelloffen. In: JAXenter. JAXenter, 1. März 2016, abgerufen am 5. April 2017.