Caffe

Caffe 全称 Convolutional Architecture for Fast Feature Embedding（快速特征嵌入的卷积架构），出自 Yangqing Jia 在加州大学伯克利分校读博期间之手，由 Berkeley AI Research（BAIR）与社区贡献者共同维护，代码以 BSD 2-Clause 许可证开源。官网给它贴的三个标签是"表达力、速度与模块化"。

• 速度一项有实打实的数字：单块 NVIDIA K40 GPU 一天能处理超过 6000 万张图像，推理约 1 毫秒一张、训练约 4 毫秒一张。换硬件也省心——把一个标志位从 CPU 改成 GPU，就能在训练机与部署端之间搬家；网络结构不写死在代码里，改配置文件即可定义。

生态上，Caffe 上线一年就被超过 1000 名开发者 fork，官网提供 Model Zoo 存放预训练模型，教程、API 文档与论文（arXiv:1408.5093）齐备。后续脉络同样有迹可循：2017 年 4 月，Facebook 发布 Caffe2，加入递归神经网络（RNN）等新能力；2018 年 3 月底，Caffe2 并入 PyTorch。如今新项目大多选 PyTorch，但不少视觉领域的经典论文与工业模型，仍能在 Caffe 格式里找到痕迹。