Cuda-Convnet和Caffe相比分別有什麼優缺點?
如果想更好地從代碼角度理解演算法原理及相關實現細節，哪一個框架更好?
這個問題直接看一篇paper就行了，裡面有詳盡的對比：Caffe: Convolutional Architecture for Fast Feature Embedding
個人很喜歡caffe，裡面的代碼很清晰，github上的各種討論也很活躍。
借卜居的話來說：
Caffe比較符合大眾的口味，而convnet2符合GPU發燒友的追求。
convnet2代碼風格不如Caffe那樣有條理。
Caffe本質是單線程的，或者是CPU思維方式。convnet2是多線程的，屬於GPU思維方式。
Caffe過度依賴庫函數（glob, gflags, leveldb, lmdb, mkl/blas……），而convnet2幾乎全都自己搞定。
Caffe參數設置更自由，而convnet2出於性能考慮，參數設置約束較多。
Caffe接近軟體，而convnet2接近硬體。
Caffe適合懶人，convnet2適合極客。
caffe是cnn的一個開源框架，cuda是nv出的一套並行計算標準，caffe中可以用nv開發的cudnn進行加速
caffe代碼更容易弄懂，cuda更快。
caffe很好理解，但代碼還有不少改進餘地cuda-convnet初看很難理解，理解以後編程水平就上了一個台階了，能達到小神級別
推薦閱讀：
