Caffe2釋出後，外界最多的討論之一，就是發出上述疑問。去年12月，賈揚清曾經解釋過一次：“目前Caffe2還不能完全替代Caffe，還缺不少東西，例如CuDNN。與Caffe2相比，Caffe仍然是主要的穩定版本，在生產環境中使用仍然推薦Caffe”。

現在Caffe2正式釋出，這個推薦肯定要改成新版本了。

Caffe2的基本計算單位是Operator。對於適當數量和型別的輸入引數，每個Operator都包括所需的計算邏輯。Caffe和Caffe2的總體差異如下圖所示：

官方提供了從Caffe遷移到Caffe2的教程，據說這個遷移非常簡單。

Caffe2和PyTorch有何不同？

這是另外一個疑問。

Caffe2長於移動和大規模部署。雖然Caffe2新增了支援多GPU的功能，這讓新框架與Torch具有了相同的GPU支援能力，但是如前所述，Caffe2支援一臺機器上的多個GPU或具有一個及多個GPU的多臺機器來進行分散式訓練。

PyTorch適合進行研究、實驗和嘗試不同的神經網路；而Caffe2更偏向於工業應用，而且重點關注在移動端上的表現。

賈揚清現身說法

Caffe2釋出後，作者賈揚清在reddit上連發四記解答。“Yangqing here”，賈揚清一上來就表明了身份。

有人問搞出Caffe2意義何在？現在已經有PyTorch、TensorFlow、MXNet等諸多框架。

賈揚清說Caffe2和PyTorch團隊緊密合作。他們把Caffe2視作一種生產力的選擇，而把Torch視作研究型的選擇。而在構建AI模組時，他們也持有一種“非框架”的理念，例如Gloo、NNPACK和FAISS等可以被用於任何深度學習框架。

有人問Caffe2接受外部貢獻麼？

賈揚清說大愛外部貢獻，也會在開源方面繼續努力。

有人問Caffe2是否用了Torch的程式碼庫，以及CUDA等相關支援的問題。

賈揚清說他們正在計劃讓Caffe2和Torch和PyTorch共享後端，這幾個框架已經共享Gloo用於分散式訓練，THCTensor、THNN和其他C/C++庫也將會共享。

在GPU層面，Caffe2使用了CUDA和CUDNN。賈揚清和團隊也試驗了OpenCL，但是感覺用NVIDIA的GPU CUDA效果更好。

另外在其他平臺（例如iOS上），Caffe2使用了特定的工具，例如Metal。一兩天內，官方會發布Metal的實施。

有人問Caffe2支援動態圖麼？

賈揚清給出否定的回答，他表示這是Caffe2和PyTorch團隊有意做出的選擇。Caffe2的任務就是提供最佳的效能，而如果想要極端靈活的計算，請選擇PyTorch。賈揚清認為這是一個更好的方式，因為“一個框架通吃”可能會影響效能。

所以，目前Caffe2只支援非常有限的動態控制，例如動態RNN。

最後，量子位放出傳送門：

Caffe2的首頁：http://caffe2.ai/

GitGub地址：https://github.com/caffe2/caffe2