来源：机器之心

为了有效地训练和部署人工智能模型，我们往往会用到大型数据中心或超级计算机。为了能够大规模地连续处理、创建和提升各种各样的信息（图像、视频、文本和音频）之上的模型，我们需要的计算能力不可小觑。如果我们要在移动设备上部署这些模型，那么它们就必须要非常快而且轻量，但这也同样十分困难。要克服这些难题，我们需要一种稳健的、灵活的和便携式的深度学习框架。

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 Caffe2 Model Zoo 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 caffe2.ai 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：http://caffe2.ai 

GitHub： https://github.com/caffe2/caffe2

调查：https://www.surveymonkey.com/r/caffe2

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 ：https://github.com/Yangqing/caffe2/blob/master/LICENSE

建立 Caffe2

详细的构建矩阵：

20174 

git clone –recursive https://github.com/caffe2/caffe2.git

cd caffe2

OS X

brew install automake protobuf

mkdir build && cd build

cmake ..

make

Ubuntu

可运行版本：

Ubuntu 14.04

Ubuntu 16.06

需要的依赖包

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 NVIDIA CUDA 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 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

安装 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

安装 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

可选择的依赖项

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

检查下面的 Python 部分，并在建立 Caffe2 之前安装可选择的程序包。

mkdir build && cd build

cmake ..

make

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_android.sh 和/build_ios.sh 获得具体信息。

对于安卓系统，我们可以使用 gradle 通过 Android Studio 直接构建 Caffe2。这里是一个示例项目：https://github.com/bwasti/AICamera。注意，你可能需要配置 Android Studio，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_raspbian.sh 就行了。

Tegra X1

为了在英伟达的 Tegra X1 平台上安装 Caffe2，需要使用 NVidia JetPack 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_x1.sh。

Python 支持

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

brew install matplotlib –with-python3

pip install ipython notebook

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：

sudo pip install \

 flask \

 graphviz \

 hypothesis \

 jupyter \

 matplotlib \

 pydot python-nvd3 \

 pyyaml \

 requests \

 scikit-image \

 scipy \

 setuptools \

 tornado

构建环境（已知能运行） 

201755