出于對性能和多GPU訓練CNN的考慮，這段時間一直在研究cuda-convnet2。

搜了下，網上居然一篇像樣的研究cuda-convnet2 代碼的文章都找不到，看來假期有的忙了。

Caffe作者賈揚清也在一些場合表達了對Convnet2作者Alex的仰慕之情，可見兩個CNN實現的差距。

Caffe比較符合大眾的口味，而convnet2符合GPU發燒友的追求。

convnet2代碼風格不如Caffe那樣有條理。

Caffe本質是單線程的，或者是CPU思維方式。convnet2是多線程的，屬于GPU思維方式。

Caffe過度依賴庫函數（glob, gflags, leveldb, lmdb, mkl/blas……），而convnet2幾乎全都自己搞定。

Caffe參數設置更自由，而convnet2出于性能考慮，參數設置約束較多。

Caffe接近軟件，而convnet2接近硬件。

Caffe適合懶人，convnet2適合極客。

-------------------------2016-4-4更新-----------------------------------

與Alex Krizhesky、賈揚清簡單聊過了。

convnet2 作者已經明確表示不再維護，繼續用的話，需要使用者深厚的CUDA編程技能，才能跟上深度學習日新月異的進展。

賈揚清將Caffe交給了社區維護，自己在重構Caffe2。

總結

以上是生活随笔為你收集整理的cuda-convnet2与caffe对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。