Skip to main content

Caffe | Derin Öğrenme Yapısı

Caffe derin öğrenme yapısı hızlı ve modüler olacak şekilde tasarlanmıştır. Berkeley Vision and Learning Center – BVLC (Berkeley Görüntü ve Öğrenme Merkezi) ve kullanıcı topluluğu tarafından geliştirilmiştir. Yangqing Jia tarafından UC Berkeley’de doktora döneminde hazırlanmıştır. Caffe BSD 2-Clause license altında kullanıma sunulmuştur.

Resim sınıflandırma demosu için tıklayın.

Neden Caffe?

İfade Yapısı yeni ve farklı fikirlerin yada uygulamaların ortaya atılmasını cesaretlendirmektedir. Model ve optimizasyonlar kodlama yapılmaksızın ayar dosyası üzerinden yapılabilmektedir. GPU makine üzerinde eğitim işlemini yapmak için CPU ve GPU değişimi bir etiket ayarı ile gerçekleştirilebilmekte böylece küme bilgisayarlara veya mobil cihazlara yayılım sağlanabilmektedir.

Genişletilebilir kod yapısı aktif geliştirmeyi desteklemektedir. Caffe’nin ilk yılında, 1.000 geliştirici tarafından birçok önemli değişiklik katkısı sağlanmıştır. Hem kod hem de model olarak modern bir yapının tesis edilmesine katkı sağlayanlara teşekkür ederiz.

Hız Caffe’nin araştırma deneyimleri ve endüstri uygulamaları için mükemmel hale getirmiştir. Caffe bir tek NVIDIA K40 GPU* işlemciyle 60 Milyonun üzerinde resmi bir günde işleyebilir.  Bu da anlam çıkarma için 1 ms/resim, öğrenme için 4 ms/resim demektir. Şuna inanıyoruz ki Caffe erişilebilir en hızlı convnet uygulamasıdır.

Topluluk: Caffe hali hazırda akademik araştırma projelerine, girişim prototiplerine ve hatta geniş ölçekli görüntü alanındaki endüstriyel uygulamalar ile konuşma ve multimedyaya güç katmaktadır. Topluluğumuza katılmak için caffe-kullanıcı grubu ve  Github sayfalarını ziyaret edebilirsiniz.

* ILSVRC2012-kazananı SuperVision modeli ve IO önbellekleme. Performans detayları için tıklayınız.

Dokümantasyon

Örnekler

Notebook Örnekleri