Caffe: Arquitectura Convolucional para Embedding de Características Rápido

Caffe proporciona a científicos y profesionales multimedia un marco limpio y modificable para algoritmos de aprendizaje profundo de última generación y una colección de modelos de referencia. El marco es una biblioteca C++ con licencia BSD y enlaces en Python y MATLAB para entrenar y desplegar redes neuronales convolucionales de propósito general y otros modelos profundos de manera eficiente en arquitecturas comunes. Caffe satisface las necesidades de la industria y los medios a escala de internet mediante computación CUDA GPU, procesando más de 40 millones de imágenes al día en una sola GPU K40 o Titan (2.5 ms por imagen). Al separar la representación del modelo de la implementación real, Caffe permite la experimentación y el cambio fluido entre plataformas para facilitar el desarrollo y despliegue desde máquinas de prototipo hasta entornos en la nube. Caffe es mantenido y desarrollado por el Berkeley Vision and Learning Center (BVLC) con la ayuda de una comunidad activa de colaboradores en GitHub. Impulsa proyectos de investigación en curso, aplicaciones industriales a gran escala y prototipos de startups en visión, voz y multimedia.