摘要：部署旨在幫助開發(fā)人員和研究人員訓(xùn)練大規(guī)模機(jī)器學(xué)習(xí)模型，并在移動(dòng)應(yīng)用中提供驅(qū)動(dòng)的用戶體驗(yàn)。現(xiàn)在，開發(fā)人員可以獲取許多相同的工具，能夠在大規(guī)模分布式場景訓(xùn)練模型，并為移動(dòng)設(shè)備創(chuàng)建機(jī)器學(xué)習(xí)應(yīng)用。

AI 模型的訓(xùn)練和部署通常與大量數(shù)據(jù)中心或超級(jí)計(jì)算機(jī)相關(guān)聯(lián)，原因很簡單。從大規(guī)模的圖像、視頻、文本和語音等各種信息中持續(xù)處理、創(chuàng)建和改進(jìn)模型的能力不是小型計(jì)算擅長的。在移動(dòng)設(shè)備上部署這些模型，使其快速輕量級(jí)運(yùn)轉(zhuǎn)，同樣是令人生畏的任務(wù)。克服這些挑戰(zhàn)需要一個(gè)強(qiáng)大、靈活、便攜式（portable）深度學(xué)習(xí)框架。

Facebook一直在與開源社區(qū)一起建立這樣一個(gè)框架。今天，我們將第一個(gè)生產(chǎn)就緒（production-ready）的 Caffe2 開源，這是一個(gè)輕量級(jí)和模塊化的深度學(xué)習(xí)框架，強(qiáng)調(diào)便攜性，同時(shí)保持了可擴(kuò)展性和性能。

我們致力于為社區(qū)提供高性能的機(jī)器學(xué)習(xí)工具，以便每個(gè)人都能創(chuàng)造智能應(yīng)用和服務(wù)。Caffe2 提供了教學(xué)和示例，演示了用一臺(tái)機(jī)器上的多顆 GPU 或多臺(tái)機(jī)器的一顆或多顆 GPU 進(jìn)行大規(guī)模學(xué)習(xí)。學(xué)習(xí)訓(xùn)練和部署 iOS，Android 和 Raspberry Pi 模型。在模型庫 Caffe2 Model Zoo 里面的預(yù)訓(xùn)練模型，只需幾行代碼就能運(yùn)行。

Facebook 部署 Caffe2 旨在幫助開發(fā)人員和研究人員 訓(xùn)練大規(guī)模機(jī)器學(xué)習(xí)模型，并在移動(dòng)應(yīng)用中提供 AI 驅(qū)動(dòng)的用戶體驗(yàn)。現(xiàn)在，開發(fā)人員可以獲取許多相同的工具，能夠在大規(guī)模分布式場景訓(xùn)練模型，并為移動(dòng)設(shè)備創(chuàng)建機(jī)器學(xué)習(xí)應(yīng)用。

我們與英偉達(dá)，高通，英特爾，亞馬遜和微軟密切合作，在云端和移動(dòng)環(huán)境兩個(gè)方面都對(duì) Caffe2 做了優(yōu)化。這些合作將使機(jī)器學(xué)習(xí)從業(yè)者能夠使用更復(fù)雜的模型快速地進(jìn)行實(shí)驗(yàn)，并部署下一代 AI 增強(qiáng)型的應(yīng)用和服務(wù)。

Caffe2 會(huì)持續(xù)更新，歡迎提供意見和建議。

更新信息可以查看 Caffe2 文檔和教程請(qǐng)?jiān)L問 caffe2.ai，并查看 GitHub 源代碼。（下文有介紹。）

Caffe2 原理（Philosophy）

Caffe2 的原理與 Caffe 相同，開發(fā)原則可以概括為以下5點(diǎn)：

表達(dá)（Expression）：模型和優(yōu)化被定義為純文本模式（plaintext schema）而不是代碼。

速度：對(duì)學(xué)界和產(chǎn)業(yè)界都一樣，速度對(duì)于較先進(jìn)的模型和大數(shù)據(jù)至關(guān)重要。

模塊化：新任務(wù)和設(shè)置需要靈活性和擴(kuò)展性。

開放性：科學(xué)和應(yīng)用進(jìn)步需要通用代碼（common code），參考模型和重現(xiàn)性（reproducibility）。

社區(qū)：學(xué)術(shù)研究、startup prototypes 和工業(yè)應(yīng)用通過在 BSD-2 項(xiàng)目中聯(lián)合討論和開發(fā)，共享實(shí)力。

Caffe2：Caffe 的實(shí)驗(yàn)性再造，用更靈活的方式組織計(jì)算

根據(jù) Github 頁面介紹，Caffe2 這個(gè)深度學(xué)習(xí)框架，在制作時(shí)就考慮到了表達(dá)（expression）、速度和模塊化這些特性。

Caffe2 是 Caffe 實(shí)驗(yàn)性的再造，可以提供更靈活的方法組織計(jì)算。

Caffe2 是根據(jù) BSD 2-Clause 許可證條款發(fā)布的。

目前確定可以運(yùn)行的 Build Status 如下：

Ubuntu 14.04 (GCC)

√ Default CPU build

√ Default GPU build

OS X (Clang)

√ Default CPU build

√ Default GPU build

Options (both Clang and GCC)

√ Nervana GPU

× ZMQ

√ RocksDB

√ MPI

√ OpenMP

√ No LMDB

√ No LevelDB

√ No OpenCV

BLAS

√ OpenBLAS

√ ATLAS

× MKL

其他

√ CMake 2.8 support

√ List of dependencies for Ubuntu 14.04

√ List of dependencies for Ubuntu 16.04

√ List of dependencies for OS X

Caffe2 模型庫：圖像分類、圖像分割、對(duì)象和場景標(biāo)記等

Caffe2 的宣傳口號(hào) “一次編碼，隨時(shí)隨地運(yùn)行”，可見 Caffe2 想要凸顯其靈活、便攜性，當(dāng)然，還有預(yù)訓(xùn)練模型。

據(jù)介紹，Caffe 開發(fā)社區(qū)十分活躍，開發(fā)人員和研究人員會(huì)分享他們的 Caffe 模型，當(dāng)然，現(xiàn)在也會(huì)分享 Caffe2 模型。

Caffe2 模型庫的頁面開始說，你可以用這些模型快速構(gòu)建 demo 并探索深度學(xué)習(xí)功能，而不需要耗費(fèi)時(shí)間和計(jì)算資源從頭開始訓(xùn)練模型，你可以重新創(chuàng)建和評(píng)估其他項(xiàng)目的結(jié)果，或者改進(jìn)以前發(fā)布的模型，歡迎分享和討論。?

下面列出了 Caffe 模型，還提供了一組可用于 Caffe2 的模型。由于剛剛起步，Caffe2 模型現(xiàn)在還比較少。

目前，只有圖像分類的 Squeezenet、BVLC AlexNet、BVLC CaffeNet 模型、BVLC GoogleNet 模型和 ImageNet ILSVRC13 RCNN 有 Caffe2 預(yù)訓(xùn)練模型，相信很快就會(huì)有更多豐富。

Caffe2 中基本計(jì)算單元之一是 Operators。每個(gè) Operator 包含給定適當(dāng)數(shù)量和類型的輸入和參數(shù)來計(jì)算輸出所需的邏輯。Caffe 和 Caffe2 功能的總體差異如下圖所示：

（關(guān)于如何將 Caffe 模型轉(zhuǎn)換為 Caffe2 模型主頁上有非常詳細(xì)而且友好的教程。）

圖像分類

圖像分割

對(duì)象和場景標(biāo)記

風(fēng)格

人臉

視頻處理

Caffe2 深度學(xué)習(xí)應(yīng)用

據(jù)介紹，Caffe2 的深度學(xué)習(xí)應(yīng)用主要是計(jì)算機(jī)視覺（CV）、聊天機(jī)器人（Chat Bots）、物聯(lián)網(wǎng)（IoT）、語音識(shí)別、翻譯以及醫(yī)療。

此外，沒有在上圖中列出的，還有廣告和其他一些應(yīng)用，包括面向?qū)W術(shù)界研究人員的，可以改進(jìn)現(xiàn)有模型、創(chuàng)新新的模型、開發(fā)算法和更智能的神經(jīng)網(wǎng)絡(luò)。

還有工程師和開發(fā)人員，介紹中說，最終許多行業(yè)都會(huì)用到深度學(xué)習(xí)，即使你沒有直接從事深度學(xué)習(xí)相關(guān)工作，你的公司也會(huì)將深度學(xué)習(xí)并入平臺(tái)。

Caffe2強(qiáng)調(diào)易用性， 旨在為開發(fā)人員提供一種簡單直觀的方式，親身體驗(yàn)深度學(xué)習(xí)。

在某些情況下，你可能希望使用現(xiàn)有的模型，跳過整個(gè)“學(xué)習(xí)”的步驟，在嘗試訓(xùn)練你自己的模型之前，就熟悉深度學(xué)習(xí)是如何的實(shí)用和有效。

Caffe2 API：C++ & Python

Caffe2 給出了 C++ 和 Python 的 API。

C++：http://caffe2.ai/doxygen-c/html/classes.html

Python：http://caffe2.ai/doxygen-python/html/annotated.html

Caffe2 的網(wǎng)站非常友好，除了 API，不僅包括了教程（Tutorial）、參考（Reference），在最開始還有介紹深度學(xué)習(xí)的部分——Learn。

Learn 這部分從深度學(xué)習(xí)知識(shí)和應(yīng)用講起，介紹了如何將 Caffe2 整合入 iOS 和 Android。不僅如此，還有分布式訓(xùn)練和數(shù)據(jù)庫的介紹。

在教程在方面，有模型和數(shù)據(jù)庫介紹，從 Caffe2 的基本講起，包括 Workspaces、Operators & Nets，還有 Toy Regression、圖像預(yù)處理、加載預(yù)訓(xùn)練模型、MNIST（從頭開始創(chuàng)建一個(gè) CNN）的講解，教你自己創(chuàng)建數(shù)據(jù)庫，以及 AI 攝像機(jī) Demo 和教程，RNN 和 LSTM 網(wǎng)絡(luò)的介紹。

Facebook 產(chǎn)業(yè)級(jí)跨平臺(tái)機(jī)器學(xué)習(xí)工具

在 2016 年 11 月發(fā)布 Caffe2go 時(shí)，Caffe 作者賈揚(yáng)清介紹說，Caffe2 是 Facebook 第一個(gè)具有產(chǎn)業(yè)實(shí)力的深度學(xué)習(xí)平臺(tái)，可以跨平臺(tái)用同樣的代碼集全速運(yùn)行。由于模塊化設(shè)計(jì)，框架可以使用相同的語言，但要分別在各個(gè)平臺(tái)上優(yōu)化。例如，框架可以在手機(jī)（iOS 和 Android）的 NNPack 和服務(wù)器 GPU 的 CUDNN 之間選擇。因此，開發(fā)者可以專業(yè)于算法的工作，而不用研究怎樣運(yùn)行卷積。

人工智能已經(jīng)產(chǎn)生了深遠(yuǎn)的影響，但大部分 AI 還是局限于大型數(shù)據(jù)中心，遠(yuǎn)離實(shí)際使用 AI 應(yīng)用和服務(wù)的人。我們不可能讓人隨身攜帶超級(jí)計(jì)算機(jī)，那么，讓 AI 在當(dāng)前更為普及便攜的設(shè)備——智能手機(jī)工作上工作就成為關(guān)鍵一環(huán)。

主頁：http://caffe2.ai

Github: https://github.com/caffe2/caffe2

參與調(diào)查，改善 Caffe2：https://www.surveymonkey.com/r/caffe2歡迎加入本站公開興趣群

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754