Caffe专题一简介

Caffe 专题一简介

什么是caffe

一个清晰、高效的深度学习框架。(核心底层语言是C++)
	全称: Convolutional Architecture for Fast Feature Embedding(快速特征嵌入的卷积体系结构)
	简介：
		caffe 的基本工作流程是设计建立在神经网络的一个简单假设，所有的计算都是层的形式表示的，网络层所做的事情就是输入数据，然后输出计算结果。
	eg:
		比如卷积就是输入一幅图像，然后和这一层的参数（filter）做卷积，最终输出卷积结果。每层需要两种函数计算，一种是forward，从输入计算到输出；
	另一种是backward，从上层给的gradient来计算相对于输入层的gradient。这两个函数实现之后，我们就可以把许多层连接成一个网络，这个网络输入数据（
	图像，语音或其他原始数据），然后计算需要的输出（比如识别的标签）
	在训练的时候，可以根据已有的标签计算loss 和 gradient，然后用gradient 来更新网络中的参数。

caffe 的特点

模块化
	caffe 设计之初就做到了尽可能的模块化，允许对数据格式、网络层和损失函数进行扩展。
	
表示和实现分离
	caffe 的模型定义是用Protocol Buffer(协议缓冲区)语言写进配置文件的，以任意有向无环图的形式，caffe支持网络架构。caffe会根据网络需要正确占用内存，通过一个函数调用来实现CPU 和 CPU之间的切换。
	
测试覆盖
	每一个单一的模块都对应一个测试
	
python 和 ma