Definition

Was ist Caffe?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Caffe ist ein Deep Learning Framework, das sich durch seine Schnelligkeit, gute Skalierbarkeit und Modularität auszeichnet. Caffe arbeitet mit CPUs und GPUs und ist über mehrere Prozessoren skalierbar. Das Deep Learning Framework eignet sich für industrielle Anwendungen in den Bereichen maschinelles Sehen, Multimedia und Sprache.

Das Deep Learning Framework Caffe wurde ursprünglich von Yangqing Jia am Vision and Learning Center der University of California in Berkeley entwickelt. Mitglieder der Community haben die Entwicklung von Caffe weiter vorangetrieben.

Das Framework ist auf Schnelligkeit, Modularität und Skalierbarkeit optimiert und stellt Lösungen sowohl für akademische Forschungsprojekte als auch für industrielle Anwendungen im Bereich Künstlicher Intelligenz bereit. Spezialisiert ist das Framework auf Sprache, maschinelles Sehen und Multimedia. Das Framework steht als freie Open-Source-Software unter BSD-Lizenz zur Verfügung. Geschrieben ist Caffe in C++.

Yahoo hat Caffe in Spark integriert und ermöglicht Deep Learning auf verteilten Architekturen. Dank der hohen Lern- und Verarbeitungsgeschwindigkeit von Caffe und der Verwendung von CPUs und GPUs lassen sich Deep-Learning-Modelle innerhalb weniger Stunden trainieren. Neueste Nvidia-Pascal-Grafikprozessoren unterstützen Caffe und bieten bis zu 65 Prozent höhere Geschwindigkeiten. Es sind bis zu 60 Millionen Bilder pro Tag prozessierbar (Stand 2018). Die vorgesehenen Programmierschnittstellen des Frameworks sind Python und MATLAB.

Die wichtigsten Merkmale von Caffe

Wichtige Merkmale von Caffe sind die Unterstützung von Central Processing Units und Graphics Processing Units sowie der von Nvidia entwickelten Programmiertechnik CUDA (Compute Unified Device Architecture) und der ebenfalls von diesem Hersteller stammenden cuDNN-Bibliothek (CUDA Deep Neural Network). Damit ist das Framework vor allem auf Geschwindigkeit ausgelegt. Als Plattform für Caffe kommen Linux-Distributionen wie Ubuntu aber auch MacOS und Docker-Container in Frage. Für Windows-Installationen stehen auf GitHub ebenfalls Lösungen zur Verfügung. Für die AWS-Cloud von Amazon ist Caffe als vorkonfiguriertes Amazon Machine Image (AMI) erhältlich.

Caffe kann mit vielen verschiedenen Typen von Deep-Learning-Architekturen arbeiten. Das Framework eignet sich für diverse Architekturen wie CNN (Convolutional Neural Network), LRCN (Long-term Recurrent Convolutional Network), LSTM (Long Short-Term Memory) oder vollständig verbundene neuronale Netze. Für den User stehen eine Vielzahl vorkonfigurierter Trainingsmodelle bereit, die einen schnellen Einstieg in das maschinelle Lernen und die Nutzung von neuronalen Netzen erlauben.

Caffe und die Bedeutung von Blobs

Caffe speichert und bearbeitet Daten in sogenannten Blobs. Ein Blob ist ein Standard-Array und vereinheitlichtes Speicherinterface. Die Eigenschaften eines Blobs beschreiben, wie Informationen in den verschiedenen Layern des neuronalen Netzes abgelegt sind und wie sie über das Netz kommuniziert werden.

Caffe und Spark-Anwendungen

Speziell für die Integration von Deep-Learning-Anwendungen in Spark hat Yahoo CaffeOnSpark entwickelt. Die Machine-Learning-Bibliothek MLlib von Spark bietet zwar eine Unterstützung einiger für das Deep Learning benötigter Algorithmen, doch erst mit CaffeOnSpark lassen sich leistungsfähige Deep-Learning-Anwendungen einfach umsetzen. CaffeOnSpark kombiniert das Deep Learning mit dem Cluster Computing Framework. Selbst umfangreiche Datenmengen aus Hadoop lassen sich dank der Integration für Anwendungen des Deep Learnings verarbeiten. Das Deep Learning kann direkt auf verteilten, clusterbasierten Big-Data-Architekturen ausgeführt werden. Die notwendigen Datenbewegungen reduzieren sich und höhere Verarbeitungsgeschwindigkeiten im Vergleich zu herkömmlichen Lösungen sind die Folge. Verfügbar ist CaffeOnSpark über GitHub.

Weitere Deep Learning Frameworks neben Caffe

Caffe steht in Konkurrenz zu weiteren Deep-Learning-Frameworks. Typische Frameworks aus diesem Bereich sind:

  • das Microsoft Cognitive Toolkit – auch als Computational Network Toolkit (CNTK) bekannt
  • TensorFlow
  • Theano
  • Veles

Das Microsoft Cognitive Toolkit zeichnet sich durch die Möglichkeit der Nutzung verteilter Architektur aus und erlaubt das Trainieren von Modellen über mehrere Server und CPUs/GPUs hinweg. Anwendung findet das Microsoft Cognitive Toolkit beispielsweise für Microsoft-Dienste wie Cortana, Skype, Bing oder für die Spielekonsole Xbox.

TensorFlow wurde vom Google-Brain-Team entwickelt und wird unter anderem von Unternehmen des Alphabet-Konzerns und in Anwendungen wie Google Mail, Google Search, Google Translate oder Yahoo verwendet. TensorFlow steht wie Caffe auf GitHub frei zur Verfügung. Als Besonderheit bietet TensorFlow die Möglichkeit die verwendeten Graphen in der grafischen Oberfläche TensorBoard zu visualisieren.

Das Framework Theano wurde am Montreal Institute for Learning Algorithms (MILA) entwickelt. Es zeichnet sich durch die Unterstützung von GPUs und erweiterte Fehlerdiagnose- und Fehlererkennungsfunktionen aus.

Veles stammt von russischen Entwicklern und ist für das Deep Learning auf verteilten Plattformen konzipiert. Modelle können auf PCs und auf High-Performance-Clustern trainiert werden. Extrahierte Applikationen lassen sich als Cloud-Service zur Verfügung stellen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Neural Compute Stick 2 beschleunigt Deep-Learning-Entwicklungen

Deep-Learning-Funktionen für Embedded-IoT-Anwendungen

Neural Compute Stick 2 beschleunigt Deep-Learning-Entwicklungen

Der Neuronale Compute Stick 2 (NCS2) von Intel ist ein USB-Stick, der Funktionen eines neuronalen Netzes nutzbar macht, ohne dass dafür teuere Hardware erforderlich ist. lesen

MapR startet Clarity-Programm

Plattform weiter ausgebaut

MapR startet Clarity-Programm

Das Clarity-Programm von MapR umfasst ein neues Produktrelease der KI- und Analyseplattform des Anbieters. Zudem bietet es eine Möglichkeit zur kostenlosen Evaluierung der jeweiligen Dateninfrastruktur. lesen

Mathworks erweitert Deep-Learning-Funktionen im neuen Release

Matlab und Simulink 2018b

Mathworks erweitert Deep-Learning-Funktionen im neuen Release

Mathworks hat das Release 2018b von Matlab und Simulink vorgestellt, das Deep Learning in den Fokus der Neuheiten stellt. So löst beispielsweise die Deep Learning Toolbox die vorherige Neural Network Toolbox ab, um Netzarchitekturen einfacher zu entwerfen. lesen

Das Cognitive Toolkit legt den Fokus auf Sprache

Spracherkennung mit neuronalen Netzen

Das Cognitive Toolkit legt den Fokus auf Sprache

Das Microsoft Cognitive Toolkit, vormals als Computational Network Toolkit (CNTK) bekannt, ist ein Deep Learning Framework für das Erstellen, Trainieren und Evaluieren von neuronalen Netzen. Im Vergleich zu Googles TensorFlow ist die Open-Source-Lösung von Microsoft eher auf Spracherkennung ausgelegt. Doch letztlich ähneln sich viele Algorithmen oder sind gar identisch. lesen

Hard-und Software-Bundle für Hadoop und Deep Learning

Dell EMC Ready Solutions für KI

Hard-und Software-Bundle für Hadoop und Deep Learning

Mithilfe der „Dell EMC Ready Solutions für KI“ sollen Unternehmen ihre KI-Umgebungen nicht mehr in einzelnen Komponenten beschaffen und zusammenfügen müssen. Stattdessen könnten sie sich auf ein von Dell EMC entwickeltes und validiertes Paket von Best-of-Breed-Software verlassen – einschließlich KI-Frameworks und -Bibliotheken sowie den benötigten Rechen-, Netzwerk- und Speicherkapazitäten. lesen

Mit Künstlicher Intelligenz profitable Geschäfte machen

Mensch, Prozesse, Technologie

Mit Künstlicher Intelligenz profitable Geschäfte machen

Der erfolgreiche Einsatz Künstlicher Intelligenz im Unternehmen beginnt mit Menschen und Geschäftsprozessen – erst danach kommt die Technologie. Vor der Einführung entsprechender Lösungen sollten Führungskräfte eine Vision entwickeln, wie KI ein profitables Geschäft antreiben kann. lesen

Das kann das Deep Learning Framework Torch

Deep Learning

Das kann das Deep Learning Framework Torch

Torch ist ein wissenschaftliches Deep Learning Framework mit beachtlichem Support an Algorithmen für das maschinelle Lernen. Auf Grund der einfachen Skriptsprache Lua und der C/CUDA-Implementierung ist das Open-Source-Paket sehr anwenderfreundlich und sorgt für beschleunigte Prozesse. lesen

Welche Hardware eignet sich zur KI-Beschleunigung?

Künstliche Intelligenz

Welche Hardware eignet sich zur KI-Beschleunigung?

Moderne Hardwarebeschleuniger haben den praktikablen Einsatz von Künstlicher Intelligenz in IT und Industrie in greifbare Nähe gerückt. Doch welche Technologie eignet sich hierfür besser: GPUs, DSPs, programmierbare FPGAs oder eigene, dedizierte Prozessoren? lesen

So schnell ist das Deep Learning Framework Caffe

Künstliche Intelligenz

So schnell ist das Deep Learning Framework Caffe

Das Deep Learning Framework Caffe ist auf Modularität, Skalierbarkeit und Schnelligkeit ausgelegt. Dadurch lassen sich unter anderem Modelle für Künstliche Intelligenz innerhalb nur weniger Stunden anstatt mehrerer Tage trainieren. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45367476 / Definitionen)