Caffe

Caffe.berkeleyvision.org 是加州大学伯克利分校视觉与学习中心维护的 Caffe 深度学习框架官方网站。站点以极简学术风格呈现，首页即提供 GitHub 源码、安装指南、教程、模型 Zoo 与论文引用格式，方便研究者快速获取全部资源。页面顶部导航栏分为 Docs、Models、Tutorial、API、Community 五大板块，所有文档均为英文，更新至 2021 年。右侧栏列出 caffe-users 邮件列表、Issue Tracker 及历史版本压缩包，确保老项目可回溯。站点无商业广告，加载迅速，兼容桌面与移动端，是 Caffe 社区公认的权威入口。

1. 一键下载：提供 Linux、macOS、Windows 预编译包与源码，附 cmake 与 Makefile 两种编译教程。
2. 模型动物园（Model Zoo）：分类、检测、分割、风格迁移等 80+ 预训练模型，支持 .caffemodel 与 .prototxt 直接下载，附训练日志与性能曲线。
3. 交互式教程：从 LeNet 手写数字识别到 Faster R-CNN 目标检测，配套 Jupyter Notebook 与逐行注释，帮助新手 30 分钟跑通第一个网络。
4. 命令行工具：caffe train/test/time 三件套，支持多 GPU、快照恢复、精度测评，日志自动保存为 .log 方便复现。
5. Python/Matlab 接口：pycaffe 提供 Net、Solver、Blob 三类 API，可直接在脚本里修改权重、提取特征；Matlab 接口支持 caffe_('get_weights')。
6. 社区协作：Issue Tracker 用于 Bug 报告与功能请求；caffe-users 邮件列表日均 20+ 讨论，核心维护者在线答疑。
7. 性能基准：列出 AlexNet、GoogLeNet 在 K40/P100 上的速度/显存占用，方便横向对比。
8. 论文引用：提供官方 BibTeX，确保学术引用格式统一。

• 学术研究：CVPR/ICCV 论文复现，直接在 Model Zoo 下载作者权重，替换数据集即可跑对比实验。
• 工业部署：安防公司用 Caffe 训练人脸检测，利用 caffe time 测出 30 fps 的嵌入式耗时，再转 ncnn 上线。
• 课程教学：高校深度学习实验课，学生照教程 2 小时完成猫狗分类作业，助教用 Docker 镜像统一环境。
• 算法竞赛：Kaggle 比赛选手 fork 官方 FCN 模型，微调全卷积层，提交即获 Top 5%。
• 艺术创意：摄影师运行 Neural Style 模型，把风景照片秒变梵高油画，用于商业海报。

• 轻量高效：纯 C++/CUDA 实现，依赖少，安装包 < 200 MB，训练 ResNet-50 比 TensorFlow 1.x 省显存 30%。
• 模块化设计：网络层即插即用，新增自定义层只需继承 Layer<Dtype> 并注册宏，10 行代码搞定。
• 模型丰富：Model Zoo 覆盖图像、视频、语音三大领域，80% 论文开源权重首选 Caffe 格式。
• 社区长青：虽官方停更，但活跃分支（BVLC、weiliu89/caffe-ssd）持续维护，Issue 平均 1 天内响应。
• 文档权威：所有示例均跑通 CI，确保复制粘贴即可复现，减少踩坑时间。