转自：https://blog.csdn.net/summer_and_opencv/article/details/76639496
学习windows下caffe的相关开发。同时也在安装完后及时进行总结，希望这篇博文可以帮助到大家！
需要准备的文件:
1，VS2013（必选），这个不再赘述
2，Windows版的caffe，BVLC官方链接为https://github.com/BVLC/caffe/tree/windows（一定要是WINDOWS版本的）
安装过程：
1，将下载的caffe-windows.zip进行解压，并进入其根目录下的windows目录，（eg:E:\caffe\windows）。将该目录下的CommonSettings.props.example复制一个并改名为CommonSettings.props，同样还是放在当前目录下。
2，点击打开该CommonSettings.props，这里由于本人的需要，对matcaffe，和pycaffe都进行了安装，实际操作的童鞋可以根据自己的需要进行选择。（要安装matcaffe必须首先安装matlab，安装步骤不在赘述，要安装pycaffe需要首先安装Python，可以参考该链接http://blog.csdn.net/qq_14845119/article/details/52354394）相应的修改如下所示。其中，左面为原始的CommonSettings.props.example，右面为需要修改的CommonSettings.props。
cpu模式的配置（如果以后要使用GPU再来改相应的地方！）：
gpu模式的配置：
注意，CudaVersion修改为自己电脑的cuda版本（本人电脑的cuda为7.5版本，因此不做修改）。
同时注意，由于GPU库除了使用cublas等cuda库之外，还用到了cudnn，默认安装驱动是不安装这个的，因此，需要去官网https://developer.nvidia.com/cudnn下载（需要注册）。下载完成后，进行解压，将相应的bin，include，lib分别放于自己的cuda下面的相应目录中，例如，本人电脑的cuda目录为C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5，因此，将刚才解压的文件放在这个目录下面的bin，include，lib文件夹下。
3，点击E:\caffe\windows该目录下的Caffe.sln用VS2013打开。这里由于别的模块用到了libcaffe，所以，首先选择libcaffe，右键生成。成功之后，再选择整个解决方案，右键生成解决方案。
其中会出现3个问题
（1）Nuget会提示下载一些东西，包括boost,opencv2.4.10,gflags,glog,hdf5,lmdb,LevelDB,OpenBLAS,protobuf等预编译的依赖包。过程有点慢，多等会就ok。下载完成后会在caffe 的同级目录生成NugetPackages的文件。
（2）出现没有生成object文件的错误，双击该错误，点击确定，然后保存即可。
（3）出现无法打开libcaffe.lib的错误，编译生成libcaffe，再编译整个解决方案。
（4），右键解决方案->属性->通用属性->启动项目->当前选定内容，然后保存。
点击caffe->caffe.cpp，按F5运行，生成如下界面，证明安装成功。同时在根目录下面会生成相应的exe，lib，dll等文件。
plus:在上面的工作完成之后，可以考虑将NugetPackages根目录下的glog，LevelDB，protobuf目录中lib下面的debug目录中相应的lib后面都加上D重命名一下，这样在实际工程调试还是部署都不会有debug和release的lib重名的现象。还是很有用的。当然这一步可以不做，根据自己需要。
到目前为止caffe就都安装好了，进入测试环节，let's make some noise，
mnist测试：
下面通过一个一个最简单的网络结构lenet来对刚才安装的caffe进行测试。
（1）去官网http://yann.lecun.com/exdb/mnist/下载mnist数据集。下载后解压到E:\caffe\data\mnist，如下图所示。
（2）在caffe根目录下，新建一个create_mnist.bat，里面写入如下的脚本。
[plain] view plain copy
- .\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb
- echo.
- .\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb
- pause
然后双击该脚本运行，即可在E:\caffe\examples\mnist下面生成相应的lmdb数据文件。
（3）修改E:\caffe\examples\mnist\lenet_solver.prototxt，将最后一行改为solver_mode:CPU，
修改E:\caffe\examples\mnist\lenet_train_test.prototxt，如下所示，左面为原始的，右面为修改后的。
（4）在caffe根目录下，新建train_mnist.bat，然后输入如下的脚本，
[plain] view plain copy
- .\Build\x64\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt
- pause
然后双击运行，就会开始训练，训练完毕后会得到相应的准确率和损失率。
