开发 | Facebook 开源全新深度学习框架 Caffe2,让 AI 从云端走向终端

AI科技评论消息,在昨晚开幕的 F8 年度开发者大会上,Facebook 发布了一款全新的开源深度学习框架 Caffe2。按照官网介绍,它的最大特点就是轻量、模块化和可扩展性,即一次编码,到处运行(和 Java 的宣传语类似)。说得更直白一点,就是 Caffe2 可以方便地为手机等终端设备带来 AI 加持,让 AI 从云端走向终端。

Caffe2 相比 Caffe 更新了什么

Caffe2 官方博客表示:长期以来,提起 AI 模型的训练和部署,人们通常都会联想到大数据中心或超级计算机。之所以会出现这种现象,是因为小型计算设备在大规模图像、视频、文本和语音处理上具有明显的短板,无论在速度还是可靠性上都远远不及大型数据中心。因此在移动设备上部署 AI 模型,使其能够快速准确地处理相关分析任务,一直是一项有待解决的难题。要解决这个难题,让 AI 终端化,除了有赖于移动硬件平台的发展之外,在软件框架层面也需要一个灵活轻便的框架支持。

而 Caffe2 正是这样一个框架。它是在此前流行的开源框架 Caffe 基础上的重构和升级,一方面集成了诸多新出现的算法和模型,另一方面在保证运算性能和可扩展性的基础上重点加强了框架在轻量级硬件平台的部署能力。按照官方介绍,Caffe2 除了支持现在已经成为标配的云端 GPU 加速之外,还可以部署在包括 iOS,Android,英伟达 Tegra X1 和树莓派(Raspberry Pi)等在内的各种移动平台上。用户只需要加载 Caffe2 框架,然后通过几行简单的 API 接口调用(Python 或 C++),就能在手机 App 上实现包括图像识别、自然语言处理和计算机视觉等在内的各种 AI 功能。

Caffe 和 Caffe2 背后的主要开发者,加州大学伯克利分校博士贾扬清在接受外媒采访时表示:

“几乎所有的深度学习框架都或多或少地提到了扩展性,但我们可以相当自信地说,Caffe2 在这方面要优于其他框架。”

在 Caffe 平台的另一项核心竞争力:Model Zoo 社区方面,Caffe2 也提供了完整的支持。此前,为数众多的 Caffe 开发者和研究人员都会经常在 Model Zoo 社区分享一些已经实现好的组件或模型,其他开发者可以直接下载和修改,这大大加快了大家的开发进度,避免了重复劳动。在更新了 Caffe2 之后,官方表示用户依然可以在 Model Zoo 社区上传相关组件,而且官方提供了脚本工具可以将老版 Caffe 模块一键转换到 Caffe2 平台,详情参见:http://caffe2.ai/docs/zoo.html

Caffe2 得到了哪些支持

值得注意的是,除了 Caffe2 框架本身之外,Facebook 还在发布会上宣布了一系列和 Caffe2 相关的云平台和硬件平台支持。

云平台方面,亚马逊 AWS 表示目前在旗下的 Deep Learning AMI 上已经加入了 Caffe2 支持,用户可以直接在 AWS 运行相关样例。微软 Azure 也表示已经在旗下 Data Science Virtual Machine (DSVM)上兼容 Caffe2。

硬件平台方面,Nvidia 加速计算总经理兼副总裁 Ian Buck 在博客中表示,旗下的 GPU 可以接入 Facebook 服务器进行深度学习计算,并将帮助更多人学习使用 Caffe2。高通表示,公司正在与 Facebook 合作,进一步优化 Caffe2 框架,并将深度适配旗下 Snapdragon 神经处理引擎(NPE)。英特尔表示,未来将集成旗下数学内核库(MKL)到 Caffe2 中。

目前,Caffe2 框架已经被 Facebook 内部采用,开发者和研究人员们正在使用该框架提供的各种工具训练大型的机器学习模型,并为 Facebook 旗下的移动应用提供 AI 智能体验。

Caffe2 官网:http://caffe2.ai/

GitHub 开源地址:https://github.com/caffe2/caffe2

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-04-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CDA数据分析师

4个步骤,构建一个有指导的数据挖掘模型

数据挖掘的目的,就是从数据中找到更多的优质用户。什么是有指导的数据挖掘方法模型,以及数据挖掘如何构建模型。在构建一个有指导的数据挖掘模型,首先要理解和定义一些模...

29910
来自专栏数据派THU

独家 | 一文读懂推荐系统知识体系-下(评估、实战、学习资料)

? 本文主要阐述: 推荐系统的评估(Evaluation) 推荐系统的冷启动问题(Cold Start) 推荐系统实战(Actual Combat) 推荐系统...

2K7
来自专栏AI科技评论

观点 | 不需要敲代码就可以开发深度学习应用?我们来探个究竟

AI 科技评论按:在深度学习仍然需要不少的数学和计算机编程能力的现在,如果突然出现了一个不需要写任何公式和代码的深度学习应用开发平台,你会是什么感觉?震惊?鄙夷...

1222
来自专栏吉浦迅科技

OpenACC帮助天体物理研究人员洞悉暗能量

项目概览 马克西米兰•卡茨和亚当•雅各布斯是美国石溪大学物理与天文 学系的博士研究生,他们力图通过研究恒星爆炸的成因来探察 难于捉摸的暗能量。卡茨研究两个恒星残...

3228
来自专栏PPV课数据科学社区

【新闻】大数据可视化的新动态

大数据可视化的新动态 Intetix Foundation(英明泰思基金会)由从事数据科学、非营利组织和公共政策研究的中国学者发起成立,致力于通过数据科学改善...

3745
来自专栏AI研习社

不需要敲代码就可以开发深度学习应用?我们来探个究竟

AI 研习社按:在深度学习仍然需要不少的数学和计算机编程能力的现在,如果突然出现了一个不需要写任何公式和代码的深度学习应用开发平台,你会是什么感觉?震惊?鄙夷?...

672
来自专栏PPV课数据科学社区

大数据之有指导数据挖掘方法的模型

? 数据挖掘的目的,就是从数据中找到更多的优质用户。什么是有指导的数据挖掘方法模型,以及数据挖掘如何构建模型。在构建一个有指导的数据挖掘模型,首先要理解和定义...

3294
来自专栏计算机视觉战队

2018年最全的推荐系统干货(ECCV、CVPR、AAAI、ICML)

最近总有几位关注者希望我们可以分享一些“推荐系统”类的干货,最近正好一不小心看到一篇比较好的博主写的推送,在此我通过自己理解和该博主的内容,为大家带来一次推荐系...

4025
来自专栏PPV课数据科学社区

读书笔记 |《推荐系统实践》- 个性化推荐系统总结

? 推荐系统实践 对于推荐系统,本文总结内容,如下图所示: ? 推荐系统.png 文章很长,你可以跳着看你感兴趣的部分。 一、什么是推荐系统 1. 为什么需要...

54511
来自专栏量子位

微软发布嵌入式学习库ELL,想在面包屑大小的芯片上运行神经网络

李林 编译自 ZDNet 量子位 报道 | 公众号 QbitAI 微软昨天发布了一个嵌入式学习库(Embedded Learning Library, ELL)...

3558

扫码关注云+社区