选自

机器之心编译

Facebook一直以来都在和开源社区的其他开发者合作一起打造这样一款框架。今天，Facebook宣布开源了第一版生产可用的Caffe2版本，这是一个轻量级的、模块化的深度学习框架，并且在强调了便携性的同时保持了可扩展性和性能。

我们致力于为社区提供高性能的机器学习工具，以便人人都能创造智能的应用和服务。与Caffe2一同发布的还有相关的一些教程和案例，其中包括在一台机器上使用多个GPU的大规模学习和使用一个或多个GPU的在多台机器上的大规模学习、学习在iOS、Android和树莓派上训练和部署模型。另外，你只需要编写几行代码就能调用来自Caffe2ModelZoo的预训练模型。

Caffe2部署在Facebook之中以帮助研发人员训练大型机器学习模型，并为手机用户提供人工智能驱动的良好体验。现在，开发者可以访问很多相同的工具，允许他们运行大规模分布式训练方案，并创建手机端的机器学习应用。我们已与英伟达、高通、英特尔、亚马逊和微软展开密切合作，从而在云端和手机端优化Caffe2。这些合作将允许机器学习社区快速完成使用更复杂模型的实验过程，并部署下一代人工智能增强型应用和服务。

你可以在上查看Caffe2文档和教程，并在GitHub查看源代码。如果你考虑使用Caffe2，我们很乐意了解你的具体需求。请参与我们的调查。我们将向你发送有关新版本和特殊的开发者活动／网络研讨会的信息。

主页：

GitHub：

调查：

以下是Caffe2在GitHub上开源项目的介绍：

Caffe2是一个兼具表现力、速度和模块性的深度学习框架，是Caffe的实验性重构，能以更灵活的方式组织计算。

许可

Caffe2的发布许可许可：

建立Caffe2

详细的构建矩阵：

OSX

Ubuntu

可运行版本：

需要的依赖包

可选择GPU支持

如果你计划使用GPU，而不只是使用CPU，那你应该安装NVIDIACUDA和cuDNN，这是一个面向深度神经网络的GPU加速库。英伟达在官方博客中详细介绍了安装指南，或者可以尝试下面的快速安装指令。首先，一定要升级你的图显驱动！否则你可能遭受错误诊断的极大困难。

安装

安装

安装cuDNN（所有都是Ubuntu版本）

可选择的依赖项

注意，使用libgflags2。使用libgflags-dev。

检查下面的Python部分，并在建立Caffe2之前安装可选择的程序包。

安卓和iOS

我们使用CMake的安卓和iOS端口构建原始二进制文件，然后就能将其集成到安卓或XCode项目中。查看脚本/build_和/build_获得具体信息。

对于安卓系统，我们可以使用gradle通过AndroidStudio直接构建Caffe2。这里是一个示例项目：。注意，你可能需要配置AndroidStudio，这样你编写代码的SDK和NDK版本才会正确。

树莓派

对于Raspbian系统，只需要在树莓派上运行脚本/build_就行了。

TegraX1

为了在英伟达的TegraX1平台上安装Caffe2，需要使用NVidiaJetPack安装器简单地安装最新版本的系统，然后再在Tegra设备上运行脚本/build_tegra_。

Python支持

为了进行下面的教程，Python环境需要安装ipython-notebooks和matplotlib，在OSX系统中可以通过以下方法安装：

你会发现下面的Python库同样在具体的教程和案例中是必需的，所以你可以运行下面的命令行一次性安装所有的要求库：

构建环境（已知能运行）