cuda-convnet2与caffe对比

出于对性能和多GPU训练CNN的考虑，这段时间一直在研究cuda-convnet2。

搜了下，网上居然一篇像样的研究cuda-convnet2 代码的文章都找不到，看来假期有的忙了。

Caffe作者贾扬清也在一些场合表达了对Convnet2作者Alex的仰慕之情，可见两个CNN实现的差距。

Caffe比较符合大众的口味，而convnet2符合GPU发烧友的追求。

convnet2代码风格不如Caffe那样有条理。

Caffe本质是单线程的，或者是CPU思维方式。convnet2是多线程的，属于GPU思维方式。

Caffe过度依赖库函数（glob, gflags, leveldb, lmdb, mkl/blas……），而convnet2几乎全都自己搞定。

Caffe参数设置更自由，而convnet2出于性能考虑，参数设置约束较多。

Caffe接近软件，而convnet2接近硬件。

Caffe适合懒人，convnet2适合极客。

-------------------------2016-4-4更新-----------------------------------

与Alex Krizhesky、贾扬清简单聊过了。

convnet2 作者已经明确表示不再维护，继续用的话，需要使用者深厚的CUDA编程技能，才能跟上深度学习日新月异的进展。

贾扬清将Caffe交给了社区维护，自己在重构Caffe2。