有人关注oxford那组发布的matlab cnn么？

纯做研究发paper的话，和caffe比哪个开发效率更高？

其实不同的框架都有自己的特点matconvet最大的特点就是，它仅仅提供了一些函数的介面，这些函数有卷积，有relu，还有dag，你可以尽情自由的把不同的零部件整合到一起，甚至运行倒一半，我可以停下来看看，每一个小部件具体的值是多少，哪里值不太对，哪里用的不太好，这个我认为是这个框架除了matlab语言之外最大的特点。

感觉写的不错简单易懂，上手快。

用VGG小组开发的MatConvNet做过图像检索，效果还不错，代码在这里willard-yuan/CNN-for-Image-Retrieval · GitHub。

个人感觉，Matconvnet还是很适合做原型和演算法研究的，对不同的模块都有实现，而且你可以通过wrapper的方式来调用组好的网路。但是wrapper里面只有带Momentum的SGD，其它的一阶梯度优化演算法需要自己实现（当然这部分实现很快）。个人感觉代码量这块matconvnet已经是很低了。

Caffe的设计很好，尤其是GPU的情况下，速度优势是很明显的。当然Matconvnet也有GPU版本，但是Matconvnet没有对数据进行高效索引的组织，导致GPU版本优势不明显。

Caffe里面若需要加添非默认的新的layer会比较麻烦，需要同时添加CPU和GPU版本的前向和后向传播演算法，这需要花一些时间去研读和理解Caffe的结构。

综上所述，如果专注于DNN网路结构本身的研究，更推荐Matconvnet，灵活而且易跟踪每一层、每一步的运算；如果是运用DNN解决实际的视觉问题而且数据量较大，建议用Caffe

你是已经集成到R2016a里面的那个吗？看了看感觉还挺友好的样子，适合初学之用。

你是指的vlfeat上的那个cnn吗？从介面上来看，挺简洁的。但是vlfeat有一个版本的api文档的两个参数写反了让我怒调了两天真是让人好感大降。。。

caffe的设计简直是...不好评价了。现在慢慢转用Torch7了。