1.5.1 Caffe

Caffe是基于C++语言及CUDA开发的框架，支持MATLAB、Python接口和命令行，可直接在GPU与CPU中切换，训练效率有保障，在工业中应用较为广泛。

在Caffe中，网络层通过C++定义，网络配置使用protobuf定义，可以较方便地进行深度网络的训练与测试。Caffe官方提供了大量实例，它的训练过程、梯度下降法等模块都被封装，开发者学习prototxt语法后，基本能自己构造深度卷积神经网络。其代码易懂好理解，高效实用，上手简单，比较成熟和完善，实现基础算法方便快捷，适合工业快速应用与部署。

Caffe通过Blob以四维数组的方式存储和传递数据。Blob提供了一个统一的内存接口，用于批量图像（或其他数据）的操作与参数更新。Model以Google Protocol Buffers的方式存储在磁盘上，大型数据存储在LevelDB中。

Caffe提供了一套完整的层类型。一个层（Layer）采用一个或多个Blob作为输入，并产生一个或多个Blob作为输出。Caffe保留所有的有向无环层图，确保正确地进行前向传播和反向传播。模型是终端到终端的机器学习系统。一个典型的网络开始于数据层，结束于损失层。通过一个单一的开关，网络运行在CPU或GPU上。

Caffe相对于TensorFlow等使用pip一键安装的方式来说，编译安装稍微麻烦一些。以Ubuntu16.04为例，首先需要安装一些依赖库；然后去Git上复制源代码到本地，配置好相关库的路径就可以进行编译安装了。对于GPU，还需要安装CUDA及NVIDIA驱动。