caffe

Kaffe

Kaffe ist ein tiefes Lerngerüst, das aus Ausdruck, Geschwindigkeit und Modularität im Kopf gestellt wird. Es wurde von Berkeley AI Research (Bair)/The Berkeley Vision and Learning Center (BVLC) und Community -Mitwirkenden entwickelt.

In der Projektseite finden Sie alle Details wie wie

• DIY Deep -Lernen für Vision mit Kaffe
• Tutorial -Dokumentation
• Bair -Referenzmodelle und der Community Model Zoo
• Installationsanweisungen

und Schritt-für-Schritt-Beispiele.

Benutzerdefinierte Verteilungen

• Intel Caffe (optimiert für CPU und Unterstützung für Multi-Knoten), insbesondere Intel® Xeon-Prozessoren.
• Openencl Caffe zB für AMD- oder Intel -Geräte.
• Windows Caffe

Gemeinschaft

Bitte nehmen Sie an der Gruppe oder dem Gitter-Chat der Caffe-Benutzer teil, um Fragen zu stellen und über Methoden und Modelle zu sprechen. Diskussionen für Frameworkentwicklung und gründliche Fehlerberichte werden zu Themen gesammelt.

Happy Brewing!

Lizenz und Zitat

Caffe wird unter der BSD 2-Clause-Lizenz veröffentlicht. Die Bair/BVLC -Referenzmodelle werden für die uneingeschränkte Verwendung freigegeben.

Bitte zitieren Sie Kaffe in Ihren Veröffentlichungen, wenn es Ihrer Forschung hilft:

 @article{jia2014caffe,
  Author = {Jia, Yangqing and Shelhamer, Evan and Donahue, Jeff and Karayev, Sergey and Long, Jonathan and Girshick, Ross and Guadarrama, Sergio and Darrell, Trevor},
  Journal = {arXiv preprint arXiv:1408.5093},
  Title = {Caffe: Convolutional Architecture for Fast Feature Embedding},
  Year = {2014}
}