下面进入正题。

1.依赖环境的配置

本人的系统Windows10 64位，版本是14393.321

首先需要下载并安装visual studio 2013（不要下vs2015）

下载NVIDIA CUDA7.5（最新的是8.0，但是目前git上的版本对应的都是7.5，需要修改vs的配置文件才能打开工程文件，能够正常编译,如果是gtx1000系列帕斯卡的新卡，请安装8.0）

下载NVIDIA CUDNN V5.0（同样，最新的是5.1，如果你是帕斯卡的显卡，那么请使用5.1）

以上的软件的参考地址https://developer.nvidia.com/cuda-gpus

然后你需要看一下你的GPU的计算能力是多少，用作深度学习的显卡计算能力至少是3.0。本人使用的GTX960的计算能力是5.0，其他显卡可以在上面的网站上找到对应的数值，如果你的显卡比较烂，可以编译一个纯CPU的版本（不过训练速度感人），建议还是去换设备23333

如果需要Python（推荐2.7）的话，建议下载Anaconda，它集成了常用的科学计算软件包。

前往github下载Windows版的caffe源码：https://github.com/BVLC/caffe/tree/windows

选择右上角的绿色按钮，选择下载zip，将zip文件解压，最好放在磁盘的根目录上（文件夹名称尽量不要带中文，免得出问题），需要保证磁盘的空余空间有6GB以上。

下载依赖libraries：找到   caffe源码目录\scripts\download_prebuilt_dependencies.py   并运行之。

> python scripts\download_prebuilt_dependencies.py

如果出错了你就打开那个py文件自己去下载，然后在caffe源码目录下建立libraries文件夹并解压进去。

2.Build

1.把CommonSettings.prop.example复制一份，并把文件名改为CommonSettings.prop

2.打开Windows文件夹，打开caffe.sln，待扫描完毕后，请确认生成的模式是Release|X64,然后右键项目生成解决方案，等待漫长的编译（大概半小时）。如果没有报错就恭喜你，可以去测试了。

3.如果出现报错请把caffe--属性--C/C++--常规---把警告视为错误  给改成否（/WX-）

4.如果编译过程中出现libcaffe中math的一个模块出现无法生成obj，请在vs报错列表中双击该错误打开文件，重新保存。

3.测试：

首先需要去下载cifar-10数据集

然后将其转化为lmdb格式，供caffe软件使用。

cifar

使用example里面的快速模式进行训练，大概只需要1分多钟就完成了，然后我们进行测试

这里是从百度上搞来的一只狗狗图片

6365066_112611596403_2

然后我们把它丢进去进行测试

qq%e5%9b%be%e7%89%8720161024161445

识别成功。

或许有些同学对显卡的性能存在一些疑惑，于是乎我又跑了一遍完整的训练。其中5万张做训练，1万张是测试集

qq%e5%9b%be%e7%89%8720161024161516

跑完总共花了将近1个小时，准确度是0.786

qq%e5%9b%be%e7%89%8720161024161458

显卡最高的时候是83°C

我的电脑的配置是i7 4720HQ+GTX960M+16G RAM，大家参考一下吧

以下正在施工。。。。