【caffe】在windows平台中安装caffe（一）：基础安装及简单测试
基础配置
本文中的配置：win10 + vs2015 + python2.5 + cmake3.12 + git2.15 + CUDA8.0 + cuDNN-8.0-5
在进行windows下的caffe安装前，一定要把以上的这些软件安装好，并加入系统路径中。其中python可安装2.5或者3.6版本，3.7版本的话会出现编译错误。
下载caffe-windows
在这里的github中下载我们所需的安装文件。
可以看到下面的安装说明中对系统软件有如下的要求：
Requirements：
Visual Studio 2013 or 2015
Technically only the VS C/C++ compiler is required (cl.exe)
CMake 3.4 or higher (Visual Studio and Ninja generators are supported)
Optional Dependencies:
Python for the pycaffe interface. Anaconda Python 2.7 or 3.5 x64 (or Miniconda)
Matlab for the matcaffe interface.
CUDA 7.5 or 8.0 (use CUDA 8 if using Visual Studio 2015)
cuDNN v5
其中前面是必需要的软件，后面是可选的。如果需要在python或matlab中使用caffe，就提前将对应的软件安装好，这里推荐使用anaconda来安装python，且一定要注意python的版本为2.7或3.5，3.6版本的python这里是没法编译通过的。如果有gpu的话，可以安装对应版本的cuda和cudnn。
在电脑中新建一个文件夹，用来存放下载的caffe文件。教程中的cmd命令如下所示:
C:\Projects> git clone https://github.com/BVLC/caffe.git C:\Projects> cd caffe C:\Projects\caffe> git checkout windows :: Edit any of the options inside build_win.cmd to suit your needs C:\Projects\caffe> scripts\build_win.cmd 注意最后一步是指运行build_win.cmd文件，在运行之前要修改build_win.cmd文件中的内容，主要是在大约70行左右的else内容中修改MSVC_VERSION版本、NINJA、PYTHON版本、CPU_ONLY等内容：
set MSVC_VERSION=14 // 选择vs15作为编译器，若是选择vs13的话，值改为12 set WITH_NINJA=0 // 表示不采用NINJA方式进行编译 set CPU_ONLY=1 // 表示不采用CPU方式进行编译 set PYTHON_VERSION=2 // 选择2.7版本的python，若是3.5版本的话，值改为3 此外在代码最后的cmake部分中，将指定的cuda路径加入：
-DCUDNN_ROOT=D:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0 ^ 运行build_win.cmd
这是整个安装过程中最重要也是最容易出错的地方。在cmd命令行中输入
E:\Windows_caffe\caffe> scripts\build_win.cmd 系统就会自动进行运行和编译。这里记录一下我在编译过程中遇到的错误及解决方法，以供大家参考。
- 找不到C编译器
解决方法：参考这里的方法，我的问题是没有把VS中的rc.exe和rcdll.dll放到Windows Kits中，将这两个文件拷贝过去后问题就解决了。
只要没有出现错误，警告可以忽略，成功编译后显示：
编译caffe.sln
在上面成功运行后，可以看到caffe文件夹中生成了caffe.sln工程文件，在vs2015中打开工程文件，如下所示：
对整个解决方案进行编译
等待系统编译完成。编译完成后，可以看到在caffe路径下生成了caffe.exe文件，我的具体路径是：
E:\Windows_caffe\caffe\scripts\build\tools\Release\caffe.exe 将该路径加入到系统path中，在cmd的对应路径下输入caffe.exe -version，得到以下结果，说明caffe已经安装成功了。
E:\Windows_caffe\caffe\scripts\build\tools\Release>caffe.exe -version caffe.exe version 1.0.0 在mnist数据集中进行测试
安装好了caffe后，就开始在mnist数据集中测试一下吧。
参考这里的mnist数据集下载教程，将下载好的test数据和train数据放在caffe路径下的data中
在caffe中的examples中，可以看到有很多例子，打开mnist文件夹：
E:\Windows_caffe\caffe\examples\mnist 分别修改lenet_solver.prototxt和lenet_train_test.prototxt文件，主要是修改文件中指定的test和train数据地址，将其改为自己电脑中实际的数据地址：
// lenet_train_test.prototxt文件中的train和test数据路径修改 name: "LeNet" layer { name: "mnist" type: "Data" top: "data" top: "label" include { phase: TRAIN } transform_param { scale: 0.00390625 } data_param { source: "E:/Windows_caffe/caffe/data/mnist/mnist_train_lmdb" batch_size: 64 backend: LMDB } } layer { name: "mnist" type: "Data" top: "data" top: "label" include { phase: TEST } transform_param { scale: 0.00390625 } data_param { source: "E:/Windows_caffe/caffe/data/mnist/mnist_test_lmdb" batch_size: 100 backend: LMDB } } // lenet_solver.prototxt文件中指定net的路径修改 # The train/test net protocol buffer definition net: "E:/Windows_caffe/caffe/examples/mnist/lenet_train_test.prototxt" 新建一个bat文件，内容如下：
E:\Windows_caffe\caffe\scripts\build\tools\Release\caffe.exe train --solver=E:\Windows_caffe\caffe\examples\mnist\lenet_solver.prototxt Pause 直接运行，等待片刻训练结束就可以看到最终的结果: