Caffe学习总结（一）——初识caffe

深度学习在当前情况下可以用一个字来形容“火”，目前项目中使用到了常用的机器学习算法，在使用过程中发现图像的特征提取成为识别的瓶颈，无意中了解到caffe，可以很好的解决特征提取的问题。于是想尝试一下caffe的威力。初识caffe，就习惯性了想了解下作者，发现设计作者是贾杨清，终于发现一个牛逼的框架是我们中国人做的啦！于是很兴奋，很想深入的进行学习，希望能在工作中使用起来。

1、caffe的由来

到一个报到，是雷鸣组织的一场线上分享会，就邀请了贾杨清，作者对caffe的由来做了很详细的说明。并且还说明了为什么开源，设计的初衷。百度搜索了一下，贾杨清从Google离职加入Facebook。
阅读：http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=402640516&idx=1&sn=203392e6731880adcd1700e403285f87&scene=1&srcid=0226v20Ora8963PmA2AuVViy&from=groupmessage&isappinstalled=0#wechat_redirect

2、caffe优势

上手快：模型与相应优化都是以文本形式而非代码形式给出。
Caffe给出了模型的定义、最优化设置以及预训练的权重，方便立即上手。
速度快：能够运行最棒的模型与海量的数据。
Caffe与cuDNN结合使用，测试AlexNet模型，在K40上处理每张图片只需要1.17ms.
模块化：方便扩展到新的任务和设置上。
可以使用Caffe提供的各层类型来定义自己的模型。
开放性：公开的代码和参考模型用于再现。
社区好：可以通过BSD-2参与开发与讨论。

3、caffe的应用

查阅了资料发现，作者设计之初就是为了图像识别中特征提取而产生的。因此应用最广的首当其冲应该是在计算机视觉领域的应用。简单的说也是一种图像分类的模型。
目前也有很多学者将其应用到语音识别领域，效果怎么样我还未来得及去深入了解。后续我想在机器视觉领域如何使用caffe上做一些研究。