Caffe2發布后，外界最多的討論之一，就是發出上述疑問。去年12月，賈揚清曾經解釋過一次：“目前Caffe2還不能完全替代Caffe，還缺不少東西，例如CuDNN。與Caffe2相比，Caffe仍然是主要的穩定版本，在生產環境中使用仍然推薦Caffe”。
現在Caffe2正式發布，這個推薦肯定要改成新版本了。
Caffe2的基本計算單位是Operator。對于適當數量和類型的輸入參數，每個Operator都包括所需的計算邏輯。Caffe和Caffe2的總體差異如下圖所示：
官方提供了從Caffe遷移到Caffe2的教程，據說這個遷移非常簡單。
Caffe2和PyTorch有何不同？
這是另外一個疑問。
Caffe2長于移動和大規模部署。雖然Caffe2新增了支持多GPU的功能，這讓新框架與Torch具有了相同的GPU支持能力，但是如前所述，Caffe2支持一臺機器上的多個GPU或具有一個及多個GPU的多臺機器來進行分布式訓練。
PyTorch適合進行研究、實驗和嘗試不同的神經網絡；而Caffe2更偏向于工業應用，而且重點關注在移動端上的表現。
賈揚清現身說法
Caffe2發布后，作者賈揚清在reddit上連發四記解答。“Yangqing here”，賈揚清一上來就表明了身份。
有人問搞出Caffe2意義何在？現在已經有PyTorch、TensorFlow、MXNet等諸多框架。
賈揚清說Caffe2和PyTorch團隊緊密合作。他們把Caffe2視作一種生產力的選擇，而把Torch視作研究型的選擇。而在構建AI模塊時，他們也持有一種“非框架”的理念，例如Gloo、NNPACK和FAISS等可以被用于任何深度學習框架。
有人問Caffe2接受外部貢獻么？
賈揚清說大愛外部貢獻，也會在開源方面繼續努力。
有人問Caffe2是否用了Torch的代碼庫，以及CUDA等相關支持的問題。
賈揚清說他們正在計劃讓Caffe2和Torch和PyTorch共享后端，這幾個框架已經共享Gloo用于分布式訓練，THCTensor、THNN和其他C/C++庫也將會共享。
在GPU層面，Caffe2使用了CUDA和CUDNN。賈揚清和團隊也試驗了OpenCL，但是感覺用NVIDIA的GPU CUDA效果更好。
另外在其他平臺（例如iOS上），Caffe2使用了特定的工具，例如Metal。一兩天內，官方會發布Metal的實施。
有人問Caffe2支持動態圖么？
賈揚清給出否定的回答，他表示這是Caffe2和PyTorch團隊有意做出的選擇。Caffe2的任務就是提供最佳的性能，而如果想要極端靈活的計算，請選擇PyTorch。賈揚清認為這是一個更好的方式，因為“一個框架通吃”可能會影響性能。
所以，目前Caffe2只支持非常有限的動態控制，例如動態RNN。
最后，量子位放出傳送門：
Caffe2的首頁：http://caffe2.ai/
GitGub地址：https://github.com/caffe2/caffe2
Reference:
https://blog.csdn.net/zchang81/article/details/70316864?utm_source=itdadao&utm_medium=referral
閱讀記錄: read twice