有人關注oxford那組發布的matlab cnn么？

純做研究發paper的話，和caffe比哪個開發效率更高？

其實不同的框架都有自己的特點matconvet最大的特點就是，它僅僅提供了一些函數的介面，這些函數有卷積，有relu，還有dag，你可以盡情自由的把不同的零部件整合到一起，甚至運行倒一半，我可以停下來看看，每一個小部件具體的值是多少，哪裡值不太對，哪裡用的不太好，這個我認為是這個框架除了matlab語言之外最大的特點。

感覺寫的不錯簡單易懂，上手快。

用VGG小組開發的MatConvNet做過圖像檢索，效果還不錯，代碼在這裡willard-yuan/CNN-for-Image-Retrieval · GitHub。

個人感覺，Matconvnet還是很適合做原型和演算法研究的，對不同的模塊都有實現，而且你可以通過wrapper的方式來調用組好的網路。但是wrapper裡面只有帶Momentum的SGD，其它的一階梯度優化演算法需要自己實現（當然這部分實現很快）。個人感覺代碼量這塊matconvnet已經是很低了。

Caffe的設計很好，尤其是GPU的情況下，速度優勢是很明顯的。當然Matconvnet也有GPU版本，但是Matconvnet沒有對數據進行高效索引的組織，導致GPU版本優勢不明顯。

Caffe裡面若需要加添非默認的新的layer會比較麻煩，需要同時添加CPU和GPU版本的前向和後向傳播演算法，這需要花一些時間去研讀和理解Caffe的結構。

綜上所述，如果專註於DNN網路結構本身的研究，更推薦Matconvnet，靈活而且易跟蹤每一層、每一步的運算；如果是運用DNN解決實際的視覺問題而且數據量較大，建議用Caffe

你是已經集成到R2016a裡面的那個嗎？看了看感覺還挺友好的樣子，適合初學之用。

你是指的vlfeat上的那個cnn嗎？從介面上來看，挺簡潔的。但是vlfeat有一個版本的api文檔的兩個參數寫反了讓我怒調了兩天真是讓人好感大降。。。

caffe的設計簡直是...不好評價了。現在慢慢轉用Torch7了。