在 Caffe 2 的 GitHub 页面上，以往用于介绍框架内容的 Readme 区域已经变成了一个加粗体的链接：源代码现已归入 PyTorch 库。
自 2017 年 1 月发布之后，由于调试、编译等多方面的优势，PyTorch 已经成为很多科研机构首选的深度学习框架；而 2017 年 4 月推出的 Caffe 2 则具有可在 iOS、Android 和树莓派等多种设备上训练和部署模型的优势。尽管获得了很多用户的支持，在面对谷歌支持的 TensorFlow 生态时，PyTorch 和 Caffe 2 各自仍有短板，此次「合并」或许会成为深度学习工程领域新形势的一个开始。
相关链接：
如果你紧跟 PyTorch 的开发进程，那么你可能会注意到过去几个月这个库有一些改变：
PyTorch 和 Caffe2 目前会共享 CI，这是非常重要的工程工作。
PyTorch 和 PyTorch-ONNX 有非常复杂的 CI，onnxbot 触发器构建在每一个 PyTorch PR 上，并以 roundabout 的方式更新。
在「pending」状态中有后端研发工作，例如与最新和最重要的库集成（MKLDNN、cuFFT 和更多的 NNPACK 覆盖等）。
作为 PyTorch 和 Caffe2 框架的主要维护者，共享二者通用的工程性内容也就很合理了，例如算子库。
然而，在两个单独的 Github repos 上共享代码很有挑战性（不可去掉的子模块或者子树，Continuous Intergration 变得很难等）。
在协作下，我们把 Caffe2 repo 并入到了 PyTorch 的 github。也就是，如果你用命令 git clone https://github.com/pytorch/pytorch，你可以看到 caffe2 的二进制文件。
作为 PyTorch 用户，你需要知道：并没改变什么，PyTorch 的安装、搭载、使用和往常一样。
其实这并不会意味着我们的代码会失效，这只是开发和后端工程工作。如何你并不是 core-developer，这个问题甚至不会与你有任何关系。此外对于用户来说，我们同样也并不需要关注 protobuf 问题。
关于此问题，目前任 Facebook 研究科学家贾扬清在知乎上表示：
来简单答一下：因为 PyTorch 有优秀的前端，Caffe2 有优秀的后端，整合起来以后可以进一步最大化开发者的效率。目前 FAIR 大概有超过一半的项目在使用 PyTorch，而产品线全线在使用 Caffe2，所以两边都有很强的动力来整合优势。
开发效率是我在 Facebook 非常重视的一个方向：去年年中的时候启动了 ONNX 项目（初版的代码是我亲自上手写的），然后帮助搭建了 ONNX team，来增强不同框架甚至不同公司之间的协作；Caffe2 和 PyTorch 在代码层的合并也是从那个时候开始逐渐推动的一项内容。
至于进一步的计划，目前我还不方便透露，等过一个月有空再来更新吧。
