今年6月份开始接触深度学习,最终选择caffe框架
Caffe的优点和缺点:
Caffe的优点和缺点:
优点:
caffe主要分Blob,Layer,Net,Solver几大类,基本是从这个顺序开始学习的,这四个类复杂性从低到高,贯穿了整个Caffe。把他们分为三个层次介绍。
- 速度快。Google Protocol Buffer数据标准为Caffe提升了效率。
- 学术论文采用此模型较多。接触到的不少论文都与Caffe有关(R-CNN,DSN,FCN,DeepLab最近还有人用Caffe实现LSTM)
- 曾更新过重要函数接口。有人反映,偶尔会出现接口变换的情况,自己很久前写的代码可能过了一段时间就不能和新版本很好地兼容了。(现在更新速度放缓,接口逐步趋于稳定,感谢 评论区王峰的建议)
- 对于某些研究方向来说的人并不适合。
caffe主要分Blob,Layer,Net,Solver几大类,基本是从这个顺序开始学习的,这四个类复杂性从低到高,贯穿了整个Caffe。把他们分为三个层次介绍。
- Blob:是基础的数据结构,是用来保存学习到的参数以及网络传输过程中产生数据的类。
- Layer:是网络的基本单元,由此派生出了各种层类。修改这部分的人主要是研究特征表达方向的。
- Net:是网络的搭建,将Layer所派生出层类组合成网络。
- solver:是配置文件。