学习caffe完全是出于兴趣，觉着人工智能的时代到来了，笨鸟先飞吧。

PS：caffe源码是用c++写的，所以如果想用python或者matlab调用caffe的需要额外配置和安装python和matlab环境，如果你是用c++来编写自己的深度学习代码，则直接安装caffe编译完成就可以使用了。

一、安装编译环境

1、    Visual studio2013

       这个比较简单，不写步骤了。

2、python 2.7.6

       为了能使用python调用Caffe，首先需要安装python，这个也简单，问度娘很多。注意两点：

①安装的时候记得勾选pip，这个工具很nice，可以为你省很多不必要的麻烦；

②安装完后设置好环境变量。可以再cmd命令中输入python检查，如果不报错，则恭喜。

       接下来利用pip工具安装这几个包：numpy、scipy、matplotlib、scikit-image、protobuf

在cmd命令行内输入：pip install numpy即可，其他几个类似。

3、matalb

        这个安装过程比较慢，也没什么需要注意的，这里直接略去。

二、安装caffe

1、caffe源码包

下载地址：https://github.com/Microsoft/caffe

2、编译配置

      将下载的caffe-windows.zip进行解压，并进入其根目录下的windows目录，把这个CommonSettings.props.example文件复制到源目录一份，然后重命名为CommonSettings.props。打开并修改其中的配置项。有几个需要注意的地方：

①是否只是用cpu。如果你的电脑显卡支持GPU编程(是否支持可以去英伟达官网查询)，那么可以配置为false。否则CpuOnlyBuild = true

②是否使用cudnn加速 

③是否使用python和matalb，根据需要配置

④如果配置了python和matlab，这里需要把修改软件目录为自己电脑上的实际安装目录

⑤如果有cuda，则把CudaVersion修改为自己电脑的cuda版本

3、项目编译

        用Visual studio2013打开caffe-master\windows下的Caffe.sln文件，进去后如下图（共16个项目）：

（1）先生成【libcaffe】，右键生成；这里由于别的模块用到了libcaffe，所以，首先生成libcaffe

（2）再选择【解决方案Caffe】进行生成，这里时间比较久，因为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。

    如果中途编译失败，出现错误，不用紧张，双击出现如下对话框，确定然后保存，重新编译即可。

4、运行

        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Build\x64\下生成了很多exe和dll文件。这些工具在后面训练网络、测试时候很有用。

三、体验深度学习

     终于到这了，我们通过一个caffe自带的简单例子来体验一下caffe的网络训练和预测。  

     deep-learning属于有监督学习的一种，一般步骤分为：准备数据、训练模型和测试模型。我们下边也通过这三步来测试一个基于LeNet网络的学习模型。

1、准备训练数据

mnist数据集下载地址：http://yann.lecun.com/exdb/mnist/

下载后解压到caffe-master目录中的\data\mnist内。分别在cmd下输入以下命令

.\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

.\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

将数据转化为caffe需要的输入格式。

2、训练模型

①修改模型参数

修改examples\mnist\lenet_solver.prototxt，将最后一行改为solver_mode:CPU，

修改examples\mnist\lenet_train_test.prototxt，如下所示，左面为原始的，右面为修改后的。

②训练模型，训练完毕后会得到相应的准确率和损失率。

.\Build\x64\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt

3、测试模型

      最终训练的模型全职文件保存在example\minst\lenet_iter_10000.caffemodel文件中，训练状态保存在example\minst\lenet_iter_10000.solverstate中。这两个文件都是PrototxtBuffer二进制格式。

      利用训练好的模型权值文件可以测试数据集。运行如下命令：

.\Build\x64\Release\caffe.exe test -model examples\mnist\lenet_train_test.prototxt -weights examples\mnist\lenet_iter_10000.caffemodel -iterations 100

到这，整个caffe在windows上就安装完成了。下一节写Ubuntu下caffe的配置。

谢谢！