Caffe（全称 Convolutional Architecture for Fast Feature Embedding）是一个开源的深度学习框架，最初由加州大学伯克利分校视觉与学习中心（BVLC）开发，核心贡献者为杨青（Yangqing Jia）。

主要特点

• 高性能与模块化：底层使用 C++ 编写，计算图静态编译，推理与训练速度极快；网络结构通过纯文本配置文件（.prototxt）声明，修改模型只需改配置，无需重新编译。
• 专注 CNN：针对卷积神经网络做了深度优化，在图像处理任务中表现突出。
• 多语言接口：提供 Python 和 MATLAB 包装器，便于实验与集成。

主要用途

• 图像分类、目标检测、语义/实例分割
• 特征提取与迁移学习
• 计算机视觉算法的快速原型验证与学术研究
• 在资源受限或高吞吐场景下进行模型部署（配合 C++ 推理接口）

现状说明

• 原官网 caffe.berkeleyvision.org 已由 GitHub Pages 镜像并标注为归档/停止维护。随着 PyTorch、TensorFlow 等具备动态图、更友好 API 和更强生态的框架普及，Caffe 已不再是主流选择，但在部分高校实验室、遗留项目或对极致推理性能有明确要求的场景中仍有使用。
• 若以学习或新项目为目的，建议优先关注现代框架（如 PyTorch / MindSpore / PaddlePaddle 等）。