像超级英雄一样，深度学习包通常都有起源故事。杨庆佳在加州大学伯克利分校获得博士学位时创立了Caffe项目。在伯克利愿景与学习中心(BVLC)的赞助下，该项目继续作为开源项目，并有社区贡献。BVLC现在是更广泛的伯克利人工智能研究(BAIR)实验室的一部分。同样，Caffe的研究范围已经扩展到视觉以外的领域，包括非视觉深度学习问题，尽管已发表的Caffe模型仍然主要与图像和视频有关。
Caffe是一个深度学习框架，考虑到了表达式、速度和模块化。这些框架的优点之一是Caffe的模型和优化是通过配置来定义的，而不需要硬编码，还可以通过设置一个标志在GPU机器上训练，然后部署到商用集群或移动设备来选择在CPU和GPU之间切换。
同时，当我们进入2017年，Caffe已经停留在1.0.0 RC 3版本将近一年了。虽然已经有了代码签入和可见的进展，但项目仍然不稳定。我的体验被安装问题、无法运行木星笔记本和未回复的帮助请求所破坏。局外人可能会有这样的印象:当深度学习社区继续前进时，项目却停滞不前了TensorFlow,CNTK,MXNet。
信息世界
在Caffe的演示中，有一个基于web的使用卷积神经网络进行图像分类的示例，卷积神经网络是Caffe的强项之一。演示在提供的示例上工作得很好，但不幸的是，在我自己的任何图像上都不行，即使我把它们缩小到符合预期的大小。
Caffe特性和用例
在幻灯片上视觉DIY深度学习:Caffe的动手教程，贾和核心的Caffe维护者展示了如何和为什么使用Caffe，以及一些Caffe的例子和应用。他们将Caffe描述为一个基于快速、经过良好测试的代码的开放框架，带有用于深度学习的模型和工作示例;使用CUDA用纯c++编写的核心库;以及命令行、Python和MATLAB接口。