Caffe2

Хоча він забезпечує простий спосіб експериментування з DL та внесення покращень до нових моделей та алгоритмів, Caffe2 використовується на виробничому рівні у Facebook, тоді як розробка проводиться в PyTorch. Caffe2 відрізняється від Caffe декількома вдосконаленнями, а саме можливістю додаванням мобільного розгортання та нової апаратної підтримки. Він спрямований на промислові додатки з великим фокусом на мобільні. Основна одиниця обчислень в Caffe2 – це оператор, який є більш гнучким варіантом шару Caffe, у Caffe2 доступно понад 400 різних операторів, і більше, як очікується, буде впроваджено співтовариством. Caffe2 надає сценарії python для командного рядка, здатні переводити існуючі моделі Caffe в Caffe2. Однак процес перетворення потребує ручної перевірки точності та втрат. Також існує можливість конвертувати моделі Torch в моделі Caffe2 через Caffe.

Сильні сторони:

• Крос-платформеність, з підтримкою мобільних девайсів.
• Amazon, Intel, Qualcomm, Nvidia заявляють, що підтримують Caffe2 завдяки своєму міцному масштабованому характеру у виробництві.
• Підтримує формат Open Neural Network Exchange (ONNX), що дозволить легко переходити між CNTK, Caffe2, PyTorch, MXNet та іншими інструментами DL.

Слабкі сторони:

• Більш важчий для початківців у DL порівняно з PyTorch [Caffe2vsPyTorch].
• Не має можливості динамічного обчислення графів.
• Обмежена гнучкість.