FB宣布開源Caffe2：可在手機與樹莓派上訓練和部署模型

新聞 04-19

選自Caffe2.ai

機器之心編譯

在今年的 F8 開發者大會上，Facebook 正式宣布開源其全新深度學習框架 Caffe2。據 Caffe2 官方博客介紹，該框架可以用在 iOS、Android 和樹莓派上訓練和部署模型；而且 Facebook 已經與英偉達、高通、英特爾、亞馬遜和微軟等公司展開了合作來實現對移動端的優化。機器之心在此對這一開源項目進行了介紹。

為了有效地訓練和部署人工智慧模型，我們往往會用到大型數據中心或超級計算機。為了能夠大規模地連續處理、創建和提升各種各樣的信息（圖像、視頻、文本和音頻）之上的模型，我們需要的計算能力不可小覷。如果我們要在移動設備上部署這些模型，那麼它們就必須要非常快而且輕量，但這也同樣十分困難。要克服這些難題，我們需要一種穩健的、靈活的和攜帶型的深度學習框架。

Facebook 一直以來都在和開源社區的其他開發者合作一起打造這樣一款框架。今天，Facebook 宣布開源了第一版生產可用的 Caffe2 版本，這是一個輕量級的、模塊化的深度學習框架，並且在強調了便攜性的同時保持了可擴展性和性能。

我們致力於為社區提供高性能的機器學習工具，以便人人都能創造智能的應用和服務。與 Caffe2 一同發布的還有相關的一些教程和案例，其中包括在一台機器上使用多個 GPU 的大規模學習和使用一個或多個 GPU 的在多台機器上的大規模學習、學習在 iOS、Android 和樹莓派上訓練和部署模型。另外，你只需要編寫幾行代碼就能調用來自 Caffe2 Model Zoo 的預訓練模型。

Caffe2 部署在 Facebook 之中以幫助研發人員訓練大型機器學習模型，並為手機用戶提供人工智慧驅動的良好體驗。現在，開發者可以訪問很多相同的工具，允許他們運行大規模分布式訓練方案，並創建手機端的機器學習應用。我們已與英偉達、高通、英特爾、亞馬遜和微軟展開密切合作，從而在雲端和手機端優化 Caffe2。這些合作將允許機器學習社區快速完成使用更複雜模型的實驗過程，並部署下一代人工智慧增強型應用和服務。

你可以在 caffe2.ai 上查看 Caffe2 文檔和教程，並在 GitHub 查看源代碼。如果你考慮使用 Caffe2，我們很樂意了解你的具體需求。請參與我們的調查。我們將向你發送有關新版本和特殊的開發者活動／網路研討會的信息。

主頁：http://caffe2.ai
GitHub： https://github.com/caffe2/caffe2
調查：https://www.surveymonkey.com/r/caffe2

以下是 Caffe2 在 GitHub 上開源項目的介紹：

Caffe2 是一個兼具表現力、速度和模塊性的深度學習框架，是 Caffe 的實驗性重構，能以更靈活的方式組織計算。

許可

Caffe2 的發布許可許可：https://github.com/Yangqing/caffe2/blob/master/LICENSE

建立 Caffe2

詳細的構建矩陣：

FB宣布開源Caffe2：可在手機與樹莓派上訓練和部署模型

git clone --recursive https://github.com/caffe2/caffe2.git
cd caffe2

OS X

brew install automake protobuf
mkdir build && cd build
cmake ..
make

Ubuntu

可運行版本：

Ubuntu 14.04
Ubuntu 16.06

需要的依賴包

sudo apt-get update
sudo apt-get install -y --no-install-recommends
build-essential
cmake
git

libgoogle-glog-dev
libprotobuf-dev
protobuf-compiler
python-dev
python-pip
sudo pip install numpy protobuf

可選擇 GPU 支持

如果你計劃使用 GPU，而不只是使用 CPU，那你應該安裝 NVIDIA CUDA 和 cuDNN，這是一個面向深度神經網路的 GPU 加速庫。英偉達在官方博客中詳細介紹了安裝指南，或者可以嘗試下面的快速安裝指令。首先，一定要升級你的圖顯驅動！否則你可能遭受錯誤診斷的極大困難。

安裝 Ubuntu 14.04

sudo apt-get update && sudo apt-get install wget -y --no-install-recommends

wget "http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_8.0.61-1_amd64.deb"
sudo dpkg -i cuda-repo-ubuntu1404_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

安裝 Ubuntu 16.04

sudo apt-get update && sudo apt-get install wget -y --no-install-recommends
wget "http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb"
sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

安裝 cuDNN（所有都是 Ubuntu 版本）

CUDNN_URL="http://developer.download.nvidia.com/compute/redist/cudnn/v5.1/cudnn-8.0-linux-x64-v5.1.tgz"
wget ${CUDNN_URL}
sudo tar -xzf cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local
rm cudnn-8.0-linux-x64-v5.1.tgz && sudo ldconfig

可選擇的依賴項

注意，Ubuntu 14.04 使用 libgflags2。Ubuntu 16.04 使用 libgflags-dev。

# for Ubuntu 14.04
sudo apt-get install -y --no-install-recommends libgflags2

# for Ubuntu 16.04

sudo apt-get install -y --no-install-recommends libgflags-dev

# for both Ubuntu 14.04 and 16.04
sudo apt-get install -y --no-install-recommends
libgtest-dev
libiomp-dev
libleveldb-dev
liblmdb-dev
libopencv-dev
libopenmpi-dev
libsnappy-dev

openmpi-bin
openmpi-doc
python-pydot