Kahvila

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 5. toukokuuta 2022 tarkistetusta versiosta . vahvistus vaatii 1 muokkauksen .
kahvila
Tyyppi syvä oppimisympäristö
Tekijä Yangqing Jia
Kehittäjä Berkeley Vision and Learning Center
Sisään kirjoitettu C++
Käyttöjärjestelmä Linux , macOS , Windows [1]
uusin versio 1.0 [2] (18. huhtikuuta 2017 ) ( 18.4.2017 )
Lisenssi BSD [3]
Verkkosivusto caffe.berkeleyvision.org

Caffe  on syvän oppimisen viitekehys, jonka Yangqing Jia on kehittänyt tehdessään opinnäytetyöään Berkeleyn yliopistossa . Caffe on avoimen lähdekoodin ohjelmisto , jota jaetaan BSD-lisenssillä . [4] Kirjoitettu C++ :lla ja tukee Python - käyttöliittymää . [5]

Nimi Caffe tulee lyhenteestä " Convolution Architecture For Feature Extraction " (Convolution Architecture For Feature Extraction).

Historia

Yanqin Jia UC Berkeleyssä loi Caffen tukemaan syvää oppimista . Väitöskirjan keskeisenä tehtävänä oli varmistaa moniulotteisten matriisioperaatioiden tehokas rinnakkaiskäsittely , jota varten päätettiin luoda matemaattiseen MATLAB - kirjastoon ja CUDA - moniprosessoriarkkitehtuuriin perustuva viitekehys . Alkukehitys kesti vain kaksi kuukautta. [6] Monet kehittäjät ovat liittyneet projektiin, ja sitä isännöidään nyt GitHub -verkkopalvelun kautta . [7]

Huhtikuussa 2017 Facebook ilmoitti luovansa Caffe2:n [8] , joka sisältää uusia ominaisuuksia, erityisesti toistuvia hermoverkkoja .

Toukokuussa 2018 Caffe2- ja PyTorch-tiimit yhdistyivät. [9] Caffe2-koodi on sittemmin siirretty PyTorchin arkistoon ja on osa jälkimmäistä.

Ominaisuudet

Caffe tukee monenlaista koneoppimista ensisijaisesti kuvien luokittelu- ja segmentointiongelmien ratkaisemiseen . Caffe tarjoaa konvoluutiohermoverkkoja , RCNN:itä, pitkän lyhytaikaisen muistin ja täysin yhdistettyjä hermoverkkoja. [10] Samaan aikaan oppimisen nopeuttamiseksi käytetään grafiikkaprosessorien järjestelmää (GPU) , jota tukee CUDA -arkkitehtuuri ja Nvidian CuDNN-kirjasto . [yksitoista]

Caffessa voit käyttää valmiita teollisia hermoverkkokonfiguraatioita, jotka on testattu. Pakettiin kuuluvat muun muassa AlexNet , joka voitti ImageNet- kilpailun vuonna 2012 [12] , ja GoogLeNet , joka voitti vuoden 2014 ImageNet- kilpailun [13]

Caffe käsittelee blobs  - moniulotteisia datataulukoita , joita käytetään rinnakkaislaskennassa ja sijoitetaan suorittimeen tai grafiikkasuorittimeen . Oppiminen konvoluutiohermoverkossa toteutetaan rinnakkaisina moniprosessorilaskelmina blobista kerroksesta kerrokseen (eteenpäin ja taaksepäin). Ratkaisija koordinoi koko oppimisprosessia - eteenpäin syötteestä lähtöön, virhefunktion saaminen, taaksepäin ( Backpropagation ) takaisin tuloskerroksesta käyttämällä virhegradientteja. Samaan aikaan Caffe toteuttaa erilaisia ​​oppimisstrategioita Solverille.

Syöttönä käytetään tietoja muistista, tietokannasta tai ulkoisista tallennusvälineistä. Piilotettuina kerroksina käytetään RNN -verkkojen konvoluutiokerroksia, perinteisiä konvoluutioverkkoja, ReLU-kerroksia, poolausta, täysin yhdistettyjä kerroksia sekä avautuvia (dekonvoluutio) kerroksia . Tarjolla on myös monia muita kerroksia, suodattimia, datamuunnoksia ja virhetoimintoja.

Sovellukset

Caffea käytetään akateemisessa tutkimuksessa, startup-yritysten prototyypeissä sekä teollisissa sovelluksissa, kuten kuvan-, puhe- tai multimediatunnistuksessa. Yahoo! myös integroi Caffe Apache Spark -ympäristöön ja loi hajautetun CaffeOnSpark-kehyksen. [neljätoista]

Katso myös

Muistiinpanot

  1. ↑ Microsoft/caffe . GitHub . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 22. huhtikuuta 2017.
  2. ↑ Julkaisu 1.0 . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 2. elokuuta 2017.
  3. ↑ caffe/LISENSE masterilla . GitHub . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 20. toukokuuta 2019.
  4. ↑ BVLC/kahvila . GitHub . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 22. maaliskuuta 2019.
  5. ↑ Kehysten vertailu: Deeplearning4j, Torch, Theano, TensorFlow, Caffe, Paddle, MxNet, Keras & CNTK (linkki ei ole käytettävissä) . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 29. maaliskuuta 2017. 
  6. ↑ Caffe Deep Learning Framework: haastattelu ydinkehittäjien kanssa . Upotettu visio. Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 29. syyskuuta 2017.
  7. ↑ Caffe: nopea avoin kehys syvään oppimiseen. . GitHub. Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 22. maaliskuuta 2019.
  8. ↑ Caffe2 Open Source tuo kehittäjille monialustaisia ​​koneoppimistyökaluja . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 28. huhtikuuta 2019.
  9. ↑ Caffe2 ja PyTorch yhdistävät voimansa luodakseen tutkimus+tuotantoalustan PyTorch 1.0 . Haettu 27. syyskuuta 2018. Arkistoitu alkuperäisestä 27. syyskuuta 2018.
  10. ↑ Caffe tutorial - vision.princeton.edu . Arkistoitu alkuperäisestä 5. huhtikuuta 2017.
  11. ↑ Deep Learning for Computer Vision Caffen ja cuDNN:n avulla . Haettu 22. heinäkuuta 2017. Arkistoitu alkuperäisestä 1. joulukuuta 2017.
  12. ↑ ImageNet-luokitus syväkonvoluutiohermoverkoilla . Haettu 23. heinäkuuta 2017. Arkistoitu alkuperäisestä 27. heinäkuuta 2017.
  13. ↑ GoogleLeNet (downlink) . Haettu 23. heinäkuuta 2017. Arkistoitu alkuperäisestä 4. elokuuta 2017. 
  14. ↑ Yahoo osallistuu tekoälykilpailuun CaffeOnSparkin kanssa . Arkistoitu alkuperäisestä 21. toukokuuta 2017. Haettu 22. heinäkuuta 2017.

Linkit

 Syväoppimisohjelmat
ilmainen ohjelmisto
Ei-ilmainen ohjelmisto