Caffe
原作者贾扬清
开发者伯克利视觉和学习中心(Berkeley Vision and Learning Center)
稳定版本1.0 (2017年4月18日,​2年前​(2017-04-18
源代码库
  • github.com/BVLC/caffe
编程语言C++
操作系统Linux、macOS、Windows
类型深度学习框架
许可协议BSD
网站caffe.berkeleyvision.org
机器学习与数据挖掘
问题
  • 分类
  • 聚类
  • 回归
  • 异常检测
  • 关联规则
  • 强化学习
  • 结构预测英语Structured prediction
  • 特征学习
  • 在线机器学习
  • 无监督学习
  • 半监督学习英语Semi-supervised learning
  • 语法归纳英语Grammar induction
监督式学习
(分类 · 回归)
  • 决策树
  • 集成(装袋,提升,随机森林)
  • k-NN
  • 线性回归
  • 朴素贝叶斯
  • 神经网络
  • 逻辑回归
  • 感知器
  • 支持向量机(SVM)
  • 相关向量机(RVM)
聚类
  • BIRCH
  • 层次英语Hierarchical clustering
  • k-平均
  • 期望最大化(EM)

  • DBSCAN
  • OPTICS
  • 均值飘移英语Mean shift
降维
  • 因子分析英语Factor analysis
  • CCA
  • ICA
  • LDA
  • NMF英语Non-negative matrix factorization
  • PCA
  • LASSO
  • t-SNE英语t-distributed stochastic neighbor embedding
结构预测英语Structured prediction
  • 概率图模型(贝叶斯网络,CRF, HMM)
异常检测
  • k-NN
  • 局部离群因子英语Local outlier factor
神经网络
  • 自编码
  • 深度学习
  • 多层感知机
  • RNN
  • 受限玻尔兹曼机
  • SOM
  • CNN
强化学习
  • Q学习
  • SARSA英语State–action–reward–state–action
  • 时序差分学习英语Temporal difference learning
  • 深度强化学习
理论
  • 偏差/方差困境英语Bias–variance tradeoff
  • 计算学习理论英语Computational learning theory
  • 经验风险最小化英语Empirical risk minimization
  • PAC学习英语Probably approximately correct learning
  • 统计学习
  • VC理论

CAFFE(快速特征嵌入的卷积结构,Convolutional Architecture for Fast Feature Embedding)是一个深度学习框架,最初开发于加利福尼亚大学伯克利分校。Caffe在BSD许可下开源,使用C++编写,带有Python接口。

历史

贾扬清在加州大学伯克利分校攻读博士期间创建了Caffe项目。项目现在托管于GitHub,拥有众多贡献者。

特色

Caffe支持多种类型的深度学习架构,面向图像分类和图像分割,还支持CNN、RCNN、LSTM和全连接神经网络设计。Caffe支持基于GPU和CPU的加速计算内核库,如NVIDIA cuDNN和Intel MKL。

应用

Caffe应用于学术研究项目、初创原型甚至视觉、语音和多媒体领域的大规模工业应用。雅虎还将Caffe与Apache Spark集成在一起,创建了一个分布式深度学习框架CaffeOnSpark。

2017年4月,Facebook发布Caffe2,加入了递归神经网络等新功能。2018年3月底,Caffe2并入PyTorch。

www.zuoweixin.com
问题反馈联系QQ:暂无联系方式,也可发qq邮箱。