☕️你好，来自另一个有着浓郁咖啡香味的日子。在这篇文章中，我想给大家介绍一个漂亮的深度学习框架结构。人脑可以被认为是世界上最复杂的机器[1]。我们继续研究人工神经网络。
在过去几天继续我的研究时，我遇到了一个新的框架。让我向你展示这个可爱的框架结构。由 Berkeley AI Research (BAIR)和社区贡献者开发的 Caffe 可以非常快速有效地进行图像分类。
咖啡；它是综合考虑表达、速度和模块化而准备的深度学习框架[3]。
- 它在代码和模型上都有一个现代化的结构。
- 说到速度，它可以在一天内处理超过 6000 万张图像，并配备唯一的 NVIDIA K40 GPU *处理器。
- 它目前为大规模视野中的学术研究项目、企业原型甚至工业应用提供动力。
- 开放框架为深度学习提供了模型和工作示例。
视觉资源
📣我们可以说，在提供如此巨大机会的同时，不鼓掌是不可能的。现在让我们从编码和模型的角度来研究必要的方法。我是一名活跃的 Python 用户。坦白地说，我很高兴它能和 Python 一起工作。让我们检查下面的项目。
- 用于深度学习的纯 C ++ / CUDA 库
- 命令行、Python、MATLAB 接口
- 快速、经过良好测试的代码
- 工具、参考模型、演示和配方
- CPU 和 GPU 之间的无缝过渡
Jonas Svidras 在 Unsplash 上拍摄的照片
📣要访问 Caffe 的原始代码，只需点击 Github 链接。
📣您可以继续点击链接访问所有文档。
例如，我想与我在图像分割过程中使用的掩模 RCNN 网络合作。因为根据我看过的资料，Caffe 被认为是目前最快的 ConvNet 应用。
📣我跟大家分享一个 Github 内容为了兼容 Mask RCNN 而创建的。
📣如果您在图像分类阶段进行即时识别，您可以通过链接访问 Jupyter 笔记本页面。
📌如果有一个特殊的数据集可用，您可以通过链接上的特殊数据集来检查 Caffe 的用法。
🔮更多内容， 您可以关注我的GitHub和Linkedin账号！
- Cetin ELMAS 教授博士，人工智能应用，第二版，2010 年 10 月，Seckin 出版社。
- 摘自https://medium . com/@ alexrachnog/using-caffe-with-your-own-dataset-b 0 ade 5d 71233。
- 伯克利视觉，卡弗，https://caffe.berkeleyvision.org。
- DIY 视觉深度学习:Caffe 实践教程，文档。