caffe这个框架应该是最早的比较完善的深度学习框架了吧，虽然比较老了，但是很多实际工业生产环境里还是会使用这个框架，作为一个使用过tensorflow的应届生，没看出来这玩意儿有啥非用不可的优点，但是既然现在工作需要用这个框架，还是学习一哈，这里记录一下觉得重要的特性，一些比较有意思的实现。主要目的还是为了能够更好的使用这个框架。
学习一哈建林哥，定几个小目标：
1）能够快速的将开源的算法在caffe平台上的跑通训练以及测试，这个跑通得有个标准，就是得玩的溜，别出一点小问题，小改动，就傻在那里了，用代码都用不溜，那还是老老实实用tensorflow。
2）能够添加一些简单的层，这里可能需要一些GPU编程的知识，因为caffe需要实现cpu和gpu两份代码，并且不能对初等函数自动求导，所以网络的forward和backward实现需要自己写，如果比较复杂的层，感觉自己hold不住。
3）能够快速的实现顶会的一些代码，这里指的是公布代码（非caffe平台的代码）的比较靠谱的好文章，-_-||，那种水笔文章就拉倒吧。这里就有很多问题了，因为可能需要添加很多层，需要了解两个框架的很多细节，到这里，
4）复现学术指标（Precision，AUC，EER，Recall）
5）复现性能指标，能够在不同的机器上，tx1，tx2，不同的GPU上逼近机器的最高性能。
哇，逼吹完了，感觉心里空落落的。要坚持更新啊。
网友评论