1.[操作符]总览（Operators Overview）
1.1.什么是Operators
简而言之，我们可以把它看做是更加灵活的caffe1.0中的layer：
1.2.Operators库
operators-catalogue:https://caffe2.ai/docs/operators-catalogue.html
【我们之后有会专开一篇介绍。】
1.3.编写自己的自定义Operators
这个页面介绍编写自定义操作符：https://caffe2.ai/docs/custom-operators.html
【我们之后有会专开一篇介绍。】
1.4.稀疏Operators
Caffe2支持表示稀疏特征并对张量段执行相应的操作。请参阅稀疏运算符指南：https://caffe2.ai/docs/sparse-operations.html
【我们之后有会专开一篇介绍。】
2.在iOS / Android上集成Caffe2（Integrating Caffe2 on iOS/Android）
在iOS / Android上集成Caffe2：https://caffe2.ai/docs/mobile-integration.html
【我们之后有会专开一篇介绍。】
3.分布式训练（Distributed Training）
Caffe2最重要的功能之一是简单的内置分布式训练。这意味着您可以非常快速地向上或向下扩展而无需重构您的设计。
【因为我的电脑是单GPU的，所以目前暂时用不到】：https://caffe2.ai/docs/distributed-training.html
4.数据集（Datasets）
1.caffe2 有专门的 Models and Datasets tutorial：https://caffe2.ai/docs/tutorial-models-and-datasets.html来介绍数据集的提取与制作。
2.你也可以依照Caffe2 Python tutorial：https://caffe2.ai/docs/tutorial-MNIST.html下载一个 MNIST handwriting dataset来解压加载感受一下caffe2的数据集。
3.同时，你也可以去t Caffe2’s Model Zoo：https://caffe2.ai/docs/zoo.html。你也可以从中找到某些作者利用公开数据集制作caff2适用的数据集的代码。
4.caffe2官方提供的适用caffe2的数据集在这里：https://caffe2.ai/docs/datasets.html
【当然，我们知道caffe2同caffe1一样适用 LevelDB格式的数据集，所以，后期我们会专门开一个博客介绍怎样把自己的图片制作成caffe2适用的LevelDB格式的数据集】
5.caffe2的模型库（Caffe2 Model Zoo）
caffe2训练好的模型库可以在这里找到：https://github.com/caffe2/models
5.1.caffe1 的模型需要转换到caffe2模型
Caffe2使用更新的格式，通常是protobuf .pb文件格式，因此原始.caffemodel文件将需要转换。
这里有模型转换教程：https://caffe2.ai/docs/caffe-migration.html
5.2.如何下载和加载已经训练好的caffe2 Models
在Caffe2中加载一个预先训练过的模型来执行诸如对象检测等预测之类的事情非常简单。
您需要两个文件：
1）定义网络的protobuf，
2）具有所有网络权重的protobuf。
第一个通常称为predict_net，第二个通常称为init_net。predict_net很小，而init_net通常很大。下面是两个用于运行Squeezenet模型的protobuf文件。单击图标以下载它们。