Caffe全称为Convolutional Architecture for Fast Feature Embedding，是被广泛使用的开源深度学习框架，目前由伯克利视觉中心（Berkeley Vision and Learning Center,BVLC）维护。Caffe创始人是加州大学伯克利的Ph.D.贾扬清。

Caffe主要特点是：

• 网络结构以配置文件定义，不需要代码设计网络

• 能够训练state-of-the-art的模型与大规模的数据

• 组件模块化，可以方便的扩展到新的模型和学习任务

Caffe的核心概念是Layer，每个神经网络模块都是一个Layer。

Caffe最开始设计时的目标只针对图像，没有考虑文本、语音或时间序列的数据，因此，Caffe对卷积神经网络的支持非常好，但对时间序列RNN、LSTM等支持不是很充分。

Caffe训练好的模型，比如经典的AlexNet、VGG、Inception、state-of-the-art(ResNet)的模型，收藏在它的Model Zoo。

在计算机视觉领域，Caffe应用很多，可以用来做人脸识别、图片分类、位置检测、目标追踪等。

雅虎开源的CaffeOnSpark，可以借助Spark的分布式框架实现Caffe的大规模分布式训练。