2019 深度学习工具汇总

Caffe的作者为UC Berkeley大学的贾扬清。Caffe是一个c++/CUDA架构，支持命令行、Python、Matlab接口，可以在CPU/GPU上运行。

深度学习不断在发展，其对应的实验工具也随着得到了大家的重视。Caffe就是现在流行的深度学习框架之一，工具内已经提前提供了模板，也就是该工具有现成的编程框架，而且可以与现状流行的图形计算GPU联合使用，加快网络训练的速度，流行的神经网络框架算法都可以在Caffe中运行，而且可以自己设置框架，因为Caffe已经提前就做好了各结构的定义，研究学者也可以根据自己的设计需求去进行相应的添加，设计出新的深度学习框架去完成所需的任务。

Caffe框架中，主要就是 Blobs ， Layers 和 Nets 三大类结构，而且由于是事前定义好的结构，所以在使用该框架的时候是不可以更改。

Blobs

Blob是Caffe框架中的一个主要结构，其为包装器，在使用Caffe框架时，数据都要被设置成格式，只有这样的数据格式才能在Caffe框架中进行执行和处理。并且在Caffe设计时，很多函数和类都提前设计好了，在执行的过程中是不可以修改其结构，否则将无法调用其中的函数，导致网络训练的失败。

Blob的格式主要由Number,Channel,Height和Width四个元素组成，如果在进行图像处理，则表示图像通道(一般彩色图像为3通道的数据，Height和Width就表示输入数据的尺寸。而对于的元素，其主要体现在训练过程中，因为训练的时候需要选择一次性输入多少数据，就是一次输入数据的数量，通常称之为Batch。这种训练方式也可以大大缓解内存的不足。

Layers

Layers是Caffe框架中网络构成的重要结构之一，网络的构成就是因为Layers的作用，通过接收输入和输出数据，最后通过内部的计算输出。Caffe在使用网络层的时候，其定义方式特别简单明了，大致都分为三个小步骤，如下： 
1）建立网络层，且建立层之间的连接关系，可以通过随机初始化的操作，去对一些网络层的变量进行初始化； 
2）网络训练过程中，首先计算前向传播，在改过过程中Layers接受上一层的输出数据作为本次的输入数据，最后通过内部 
的计算进行输出。 
3）前向传播后，由于得到的结果与期望相差较大，通过之前提及到的反向传播来进行计算去调整网络的参数值，以达到最 
优值，并且在反向传播计算时，Layers会把每次计算的梯度值存放在该层中。

Nets

之前介绍的Layers就是Nets的一个子元素，通过多种Layers的组合连接得到整个Nets，在该结构中，Nets定义了网络的各 Layers、Input和Output。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!