Caffe

Среда для глубинного обучения, разработанная Яньцинем Цзя (Yangqing Jia), распространяемым под лицензией BSD 2-Clause. Написано на языке C++, и поддерживает интерфейс на языке Python.

Название Caffe произошло от сокращения «Convolution Architecture For Feature Extraction» (Свёрточная архитектура для извлечения признаков).

Клиенты: Caffe применяется в академических исследованиях, прототипов для стартапов, а также и для промышленного применения — распознавания изображений, речи или мультимедиа. Yahoo! также интегрировала Caffe со средой Apache Spark, создав распределённый фрэймворк CaffeOnSpark.

Albumentations хорошо работает с данными из разных областей: фотографии, медицинские изображения, спутниковые изображения, производственные и промышленные приложения, генеративные состязательные сети.

Библиотека широко используется в промышленности, исследованиях глубокого обучения, соревнованиях по машинному обучению.

Преимущества

Caffe позволяет использовать готовые промышленные конфигурации нейронных сетей, прошедшие апробацию. В комплект входит, в частности AlexNet, победившую в 2012 году в соревновании по распознаванию изображений ImageNet, и GoogLeNet, победившую в соревнованиях ImageNet 2014 года.

Caffe манипулирует блобами — многомерными массивами данных, которые используются в параллельных вычислениях, которые помещаются в CPU или GPU. Обучение в cвёрточной нейронной сети реализуется как параллельные многопроцессорные вычисления блобов от слоя к слою (прямым и обратным ходом). Solver (решатель) координирует весь процесс обучения — прямой ход от исходных к выходным данным, получение функции ошибок, обратный ход (Метод обратного распространения ошибки) назад от выходного слоя с использованием градиентов ошибок. При этом Caffe реализует различные стратегии обучения для Solverа.