caffe简介

  caffe全称Convolutional Architeccture for Fast Feature Embedding,是一个深度学习的框架，核心语言是C++，支持命令行、Python和Matlab的接口，既可以在CPU上运行也可以在GPU上运行。

  caffe的结构大致分为4部分:

  1、数据存储

  "Blobs"是caffe的核心数据结构，以4维数组的方式来存储和传递数据。Blobs提供了一个统一的内存接口，用于批量数据的操作和参数跟新。模型以Google Prtocol Buffers的方式存储在磁盘上。

  2、层

  "Layer"是神经网络的本质组成，一个Layer把一个或者多个Blobs作为输入，同时产生一个或多个Blobs作为输出。网络作为一个整体的操作，Layer有两个关键作用：1、向前传播，提取输入并产生输出；2、反向传播，取梯度作为输出，通过参数和输入计算梯度。

  3、网络和运行方式

  caffe保留有向无环图，确保正确进行向前传播和反向传播。一般情况下，一个网络开始于数据层，结束于loss层。

  4、训练网络

  Caffe通过快速标准的随机梯度下降算法来训练一个模型。Caffe中微调是一个标准的方法，它适应于存在的模型，新的架构或者数据。对新任务，Caffe微调旧的模型权重并按照需要初始化新的权重。