TwitterでCaffeという単語をチラホラ見かけるようになってたんだけど、何のことかしばらくわからなかった。
どうやらディープラーニングのフレームワークの名前らしい。
Caffe
Caffeはキレイで読みやすく、高速に処理できることを念頭に置いて開発されたディープラーニングのフレームワークです。
Caffeは、Yangqing Jia氏がカリフォルニア大学バークレー校で博士号取得中に開発したもので、現在もBerkeley VisionとLearning Center(BVLC)を中心としたコミュニティ貢献者によって開発が継続されています。
Caffeは二条項BSDライセンスです。
Web画像を分類するデモはこちら。
こういう一般名詞っぽい名前はググりづらいからやめてほしい(笑)
デモページではWeb上の任意の画像URLを入力して試すことができる。そして、当然のようにPythonのインターフェイスを備えている。
これがライブラリ名だと気づいたきっかけは、NVIDIAがリリースした機械学習向けのライブラリcuDNNを知ったから。どうやらCaffeの開発ブランチには、もうこのcuDNNによる高速化実装がコミットされているらしい。
NVIDIAのページでCaffeを使ったベンチマークが載っている。CaffeをベースにcuDNNで14倍ぐらい速くなっちゃったらしい。
NVIDIAから、機械学習向けのライブラリ、cuDNNがリリースされました。FacebookにcuDNNの紹介記事がポストされました。是非、ご参照ください。https://t.co/tdV1MKp42m
— NVIDIA Japan (@NVIDIAJapan) 2014, 9月 12
NVIDIA:TESLAの機械学習アプリケーションのページ
2014/09/14追記:
Caffeで猫の品種識別を実装した人がいる。
Deep Learningで猫の品種識別:Qiita
ソースコードはこちら
2014/09/16追記:
Yhoo!JapanのデベロッパーネットワークってのにCaffeを使った画像分類の記事が載ってる。↓
Caffeで手軽に画像分類
2014/09/19追記:
CaffeをWindowsで動かしてる人のブログ記事↓
Caffeでdeepな画像認識 (Top)
関連記事
オープンソースのプリント基板設計ツール『KiCad』
WordPressのテーマを自作する
Adobe MAX 2015
Polyscope:3Dデータ操作用GUIライブラリ
Konashiを買った
Russian3DScannerのトポロジー転送ツール『Wr...
OpenCV バージョン4がリリースされた!
Accord.NET Framework:C#で使える機械学...
Faster R-CNN:ディープラーニングによる一般物体検...
Math Inspector:科学計算向けビジュアルプログラ...
顔追跡による擬似3D表示『Dynamic Perspecti...
PeopleSansPeople:機械学習用の人物データをU...
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハ...
SegNet:ディープラーニングによるSemantic Se...
pythonもかじってみようかと
OpenAR:OpenCVベースのマーカーARライブラリ
Kornia:微分可能なコンピュータービジョンライブラリ
疑似3D写真が撮れるiPhoneアプリ『Seene』がアップ...
ZBrushのZScript入門
trimesh:PythonでポリゴンMeshを扱うライブラ...
Mechanizeで要認証Webサイトをスクレイピング
2D→3D復元技術で使われる用語まとめ
Boost オープンソースライブラリ
iPhone・iPod touchで動作する知育ロボット『R...
Unityで学ぶC#
MythTV:Linuxでテレビの視聴・録画ができるオープン...
JavaScriptとかWebGLとかCanvasとか
書籍『3次元コンピュータビジョン計算ハンドブック』を購入
Model View Controller
全脳アーキテクチャ勉強会
第1回 3D勉強会@関東『SLAMチュートリアル大会』
仮想関数
海外ドラマのChromaKey
TensorFlowでCGを微分できる『TensorFlow...
Qlone:スマホのカメラで3Dスキャンできるアプリ
AnacondaとTensorFlowをインストールしてVi...
PyMC:Pythonのベイズ統計ライブラリ
画像認識による位置情報取得 - Semi-Direct Mo...
ポイントクラウドコンソーシアム
Manim:Pythonで使える数学アニメーションライブラリ
Houdiniのライセンスの種類
Deep Learningとその他の機械学習手法の性能比較


コメント