Caffe est aussi un framework open source dédié au deep learning mais écrit en C++ avec une interface en Python et Matlab pour la partie graphique. Développé par Yangqing Jia à l’université de Berkeley, Caffe, qui supporte un certain nombre de réseaux de neurones (CNN, RNN, LSTM), est surtout exploité dans la classification et la segmentation des images, sans oublier la parole. En l’associant à une plateforme GPU Nvidia, Caffe exécute des modèles très rapidement, ce qui le destine comme l’outil idéal pour des projets de recherche universitaire et d’applications industrielles à grande échelle en matière de vision par ordinateur, de traitement du langage et de création multimédia. Des tests publiés par Nvidia montrent que les performances de Caffe sur un GPU Tesla P100 (Architecture K40 avec 2 processeurs Xeon E5 2699 à 2,2 GHz) permettent de traiter près de 110 images par seconde. A noter que la plateforme IA Nvidia Jetson pour les machines autonomes supporte entre autres frameworks Caffe. Le fondeur propose également Nvidia Caffe, également connu sous le nom de NVCaffe, une émanation de Caffe gérée par le fournisseur et adaptée à ses GPU, en particulier dans les configurations multi-GPU. Yahoo a aussi intégré Caffe avec le framework de calcul distribué Spark pour créer une distribution de deep learning baptisée CaffeOnSpark. A noter qu’il existe également sur le marché le framework Caffe2 initié par Facebook. Ce dernier, qui reprend le code source de Caffe, a été conçu pour l’expression, la rapidité et la modularité, notamment pour le déploiement en production, ce qui n’a jamais été l’objectif de PyTorch (lui aussi appartenant à Facebook). Fin 2018, Caffe2 a fusionné avec PyTorch.