Caffe는 딥러닝 프레임워크로 이 튜토리얼은 딥러닝의 원리, 구성 그리고 사용법에 대해서 설명한다. 이것은 실용적인 가이드이자 프레임워크 입문서이지만, 딥러닝의 전체 과정과 맥락 그리고 한계에 대해서는 다루지 않는다. 이 튜토리얼는 유용한 설명을 해줄 것이며 기계학습의 배경지식과 신경망에 대한 이해가 이 튜토리얼을 이해하는데에 도움이 될 것이다.

한번 마실때마다, caffe를 다음과 같이 끓일 것이다. (Caffe는 입문서를 다음과 같은 원리하에 설명한다.)

1. 표현 : 모델과 최적화는 일반적 코딩과는 달리 일반적문장으로 이루어진 평문개요로써 선언된다.
2. 속도 : 산업과 연구분야 쪽에서 수많은 데이터와 최신의 모델에 있어 처리속도는 중요하다.
3. 모듈성 : 새로운 업무(계층의 새로운 역할)와 환경(구동환경)은 유연성과 확장성을 필요로한다.
4. 공개성 : 과학적이고 응용된 진보기술은 공동의 코드, 참조 모델들과 재생산성을 필요로한다.
5. 공동성 : 학문적 연구, 초기 프로토타입 그리고 산업분야의 응용품들 모두가 합동 연구회와 BSD-2프로젝트의 분야로 강하게 공유하고 있다.

이러한 원리들이 프로젝트를 이끌어 간다.

그리고 다음과 같은 항목을 이 튜토리얼에서 알려주고자 한다.

1. Nets, layers, Bolbs : ‘Caffe’ 모델의 분석
2. Forward / Backward : 계층화로 구성된 모델의 필수적인 연산
3. Loss : 학습되어야할 업무(계층)를 손실로 정의한다.
4. Solver : 해결사는 모델 최적화를 수행해준다.
5. Layer Catalogue : 계층은 최신모델에 대한 계층을 포함하는 ‘caffe’ 카탈로그인 모델링과 연산의 기본단위이다.
6. Interfaces : 커맨드 라인, Python, Matlab Caffe를 사용한다.
7. Data : 모델 입력에 대하여 어떻게 caffe화를 할 것인가
8. Caffeinated Convolution : 어떻게 카페가 합성곱을 계산할까 (심화내용)

우리가 다루는 튜토리얼을 수행하는 심층학습에 대한 이해에 도움이 될만한 참고사항이 온라인에 공개되어있다. 이는 입문사항과 발전된 요소, 배경지식과 역사 그리고 최신의 진보기술을 다룬다. CVPR’14로부터 시각에 대한 심층학습(Deep Learning)에 대한 튜토리얼은 연구자들에게 좋은 동반 튜토리얼이다. Caffe 튜토리얼로부터 실제 기반과 프레임워크를 알게된다면, CVPR’14 tutorial에서 향상된 연구방향과 핵심적인 아이디어를 탐구할 수 있을 것이다. 이 입문서는 Michael Nielsen에 의한 신경망과 심층학습을 무료 온라인 드래프트로 제공한다. 실제로 신경망과 ‘backpropagation’이 작동하는 방법을 다루는 챕터들이 이 분야가 처음이라면 도움이 될 것이다. 이러한 최근 학문적 튜토리얼은 기계학습과 영상분야의 연구자들을 위한 심층학습에 대해 다룬다. 코드와 회로상에서 신경망에 대한 해석으로, Andrej Karpathy (Stanford)에 의해 작성된 프로그래머의 관점으로 이해하는 신경망들를 확인해라.