這篇博文是出於公司專案需要的考慮，才進行windows下caffe的相關開發。同時也在安裝完後及時進行總結，希望這篇博文可以幫助到大家！

需要準備的檔案:

1，VS2013，這個不再贅述

安裝過程：

1，將下載的caffe-windows.zip進行解壓，並進入其根目錄下的windows目錄，（eg:E:\caffe\windows）。將該目錄下的CommonSettings.props.example複製一個並改名為CommonSettings.props，同樣還是放在當前目錄下。

2，點選開啟該CommonSettings.props，這裡由於本人的需要，對matcaffe，和pycaffe都進行了安裝，實際操作的童鞋可以根據自己的需要進行選擇。（要安裝matcaffe必須首先安裝matlab，安裝步驟不在贅述，要安裝pycaffe需要首先安裝python，可以參考該連結）相應的修改如下所示。其中，左面為原始的CommonSettings.props.example

，右面為需要修改的CommonSettings.props。

cpu模式的配置：

gpu模式的配置：

注意，CudaVersion修改為自己電腦的cuda版本（本人電腦的cuda為7.5版本，因此不做修改）。

同時注意，由於GPU庫除了使用cublas等cuda庫之外，還用到了cudnn，預設安裝驅動是不安裝這個的，因此，需要去官網下載（需要註冊）。下載完成後，進行解壓，將相應的bin，include，lib分別放於自己的cuda下面的相應目錄中，例如，本人電腦的cuda目錄為C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v7.5，因此，將剛才解壓的檔案放在這個目錄下面的bin，include，lib資料夾下。

3，點選E:\caffe\windows該目錄下的Caffe.sln用VS2013開啟。這裡由於別的模組用到了libcaffe，所以，首先選擇libcaffe，右鍵生成。成功之後，再選擇整個解決方案，右鍵生成解決方案。

其中會出現3個問題

（1）Nuget會提示下載一些東西，包括boost,opencv2.4.10,gflags,glog,hdf5,lmdb,LevelDB,OpenBLAS,protobuf等預編譯的依賴包。過程有點慢，多等會就ok。下載完成後會在caffe 的同級目錄生成NugetPackages的檔案。

（2）出現沒有生成object檔案的錯誤，雙擊該錯誤，點選確定，然後儲存即可。

（3）出現無法開啟libcaffe.lib的錯誤，編譯生成libcaffe，再編譯整個解決方案。

（4），右鍵解決方案->屬性->通用屬性->啟動專案->當前選定內容，然後儲存。

點選caffe->caffe.cpp，按F5執行，生成如下介面，證明安裝成功。同時在根目錄下面會生成相應的exe，lib，dll等檔案。

plus:在上面的工作完成之後，可以考慮將NugetPackages根目錄下的glog，LevelDB，protobuf目錄中lib下面的debug目錄中相應的lib後面都加上D重新命名一下，這樣在實際工程除錯還是部署都不會有debug和release的lib重名的現象。還是很有用的。當然這一步可以不做，根據自己需要。

到目前為止caffe就都安裝好了，進入測試環節，let's make some noise，

mnist測試：

下面通過一個一個最簡單的網路結構lenet來對剛才安裝的caffe進行測試。

（2）在caffe根目錄下，新建一個create_mnist.bat，裡面寫入如下的指令碼。

.\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

然後雙擊該指令碼執行，即可在E:\caffe\examples\mnist下面生成相應的lmdb資料檔案。

（3）修改E:\caffe\examples\mnist\lenet_solver.prototxt，將最後一行改為solver_mode:CPU，

修改E:\caffe\examples\mnist\lenet_train_test.prototxt，如下所示，左面為原始的，右面為修改後的。

（4）在caffe根目錄下，新建train_mnist.bat，然後輸入如下的指令碼，

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

然後雙擊執行，就會開始訓練，訓練完畢後會得到相應的準確率和損失率。

plus：