参考：

Caffe
windows10下caffe安装？
Windows 10下安装配置Caffe并支持GPU加速

---

整了好几天，终于实现 windows 环境下的 caffe 编译，实现 win10 + caffe + vs2013 + anaconda2.7 + cuda8.0 + cuDNN_v5

---

主要内容

1. 软件安装
2. caffe 编译
3. 测试
4. mnist 数据集和 LeNet 网络训练
5. 小结

---

软件安装

===============

当前运行环境：Win10 + Nvidia 940MX

需要安装软件：

vs2013：VS2013 社区版

anaconda2.7：https://www.continuum.io/downloads#windows

cuda8.0：https://developer.nvidia.com/cuda-downloads

cudnn_v5：https://developer.nvidia.com/cudnn

Note 1：安装 cuda 过程中可能会遇到如下情况

忽略继续即可

Note 2：安装 cuda 过程中不要改变安装的路径

在win10安装CUDA 8.0后，安装目录竟然消失了，重新安装了三遍，还是消失？？？

Note 3：安装 anaconda 时需要注意添加路径到环境变量

C:\software\anaconda\Anaconda2
C:\software\anaconda\Anaconda2\Scripts
C:\software\anaconda\Anaconda2\Library\bin

---

caffe 编译

=====================

下载 caffe（这里使用 microsoft 版本）：Microsoft/caffe

配置

复制 .\windows\CommonSettings.props.example 为 .\windows\CommonSettings.props

打开 CommonSettings.props 文件，修改如下：

默认 <CudaVersion> 为 7.5，修改为 <CudaVersion>8.0</CudaVersion>

默认 <PythonSupport> 为 false，修改为 <PythonSupport>true</PythonSupport>

同时需要修改下面的 <PythonDir> 路径，替换为当前 anaconda 的安装路径：<PythonDir>C:\software\anaconda\Anaconda2&lt;/PythonDir&gt;

使用 python 还需要安装以下文件：

conda install --yes numpy scipy matplotlib scikit-image pip
pip install protobuf

编译

打开 .\windows\Caffe.sln

编译 libcaffe

刚开始编译的是 libcaffe，右击 libcaffe -> Properties：

左侧选择 Configuration Properties -> C/C++，右侧选择 Treat Warnings As Errors 为 No：

Note：选择 Release 模式和 x64 平台

配置完成，点击运行即可

问题 1：\INCLUDE\CAFFE\PROTO\CAFFE.PB.H - 找不到此类文件或文件夹

网上有其他的答案，我的解决方法是修改上面的属性后重新编译就可以了

问题 1：Unable to start Program libcaffe.lib

编译完成最后，弹出上面错误。其实 libcaffe.lib 已经编译完成（在 ./build/x64/Release 文件夹）。或者右击 libcaffe 重新编译即可

编译全部工程

完成 libcaffe 的编译后，就可以编译其它子工程了。右击解决方案，点击 Build Solution，等待编译完成

---

测试

=============

编译生成的文件均放置在 .\build\x64\Release 文件夹内

测试 caffe.exe

生成的 caffe.exe 在 .\build\x64\Release 目录下

打开命令行窗口，转到 .\build\x64\Release 路径下，输入 caffe 运行：

测试 pycaffe

有两种方法

第一种，将 caffe_root\Build\x64\Release\pycaffe 文件夹放置到 anaconda_root\Lib\site-packages 路径下

第二种，将 caffe_root\Build\x64\Release\pycaffe 路径加入到 PythonPath 环境变量中

完成后，打开 python 窗口，输入 import caffe 测试：

---

mnist 数据集和 LeNet 网络训练

====================================

参考：windows 10 环境安装caffe并测试mnist成功详解

下载 mnist 数据集

如果在 linux 环境下，执行 ./data/mnist/get_mnist.sh 文件即可

在 windows 环境下，需要手动下载

官网地址：THE MNIST DATABASE of handwritten digits

我的地址：mnist

在 .\data\mnist\ 路径下新建文件夹 mnist_train_lmdb 和 mnist_test_lmdb

• 在 mnist_train_lmdb 文件夹中放置 train-images-idx3-ubyte 和 train-labels-idx1-ubyte
• 在 mnist_test_lmdb 文件夹中放置 t10k-images-idx3-ubyte 和 t10k-labels-idx1-ubyte

制作 lmdb 格式数据集

在根路径下新建批处理文件 create_mnist.bat：

.\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
pause

双击执行：

在 .\examples\mnist\ 文件夹下生成文件夹 mnist_train_lmdb 和 mnist_test_lmdb

训练 LeNet 网络

在根路径下新建批处理文件 train_lenet.bat：

SET GLOG_logtostderr=1
.\Build\x64\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt
pause

双击执行：

训练识别精度达到 99.07%

在 .\examples\mnist\ 文件夹下生成文件

lenet_iter_5000.caffemodel
lenet_iter_5000.solverstate
lenet_iter_10000.caffemodel
lenet_iter_10000.solverstate`

---

小结

=============

目前使用的 caffe 版本是 github 上 Microsoft 提供的，但是这个库已经不维护了，用于学习还是可以滴

编译好的版本：caffe

最新的版本：BVLC/caffe

测试发现，这个库很难编译成功

也有人自己维护了 caffe in windows

hyppynear 的 caffe：
happynear/caffe-windows