本菜鸟准研究生一枚（今年秋季入学），研究方向为基于深度学习的自然语言处理和图像识别，前两天导师给发了个链接，是一个基于caffe的mtcnn网络代码，让小弟学习，还没入行，光是代码就编译了好几天，好多库要找回来，配置好，很是心累！有关这个代码的帖子，要是有人有兴趣，欢迎参看本人下一篇博客（后期更新）。代码编译过程中就了解到了caffe以及Windows下的caffe，所以就有了这个帖子。
好了，言归正传，开始讲主角！在Windows下使用caffe框架，环境搭建以及数据训练和测试。关于这个问题的教程网上已经有铺天盖地的教程，重复的我不写，免得后来者看半天发现其实和其他的一样！我把我参考过的优秀帖子和搭建过程中遇到的种种问题写上来，关键的部分我用高亮标注了，欢迎参考！
一、前言：
我遇到的第一个问题是caffe-master和caffe-Windows的区别，刚入坑的我完全以为这两个代码不是一样的，在学习过程中，才发现，其实这两套代码是一个作用，都是Windows下的caffe，只不过前者是微软官方出的，后者是caffe官方为Windows环境提供的，我专门下载下来对比过，一级文件夹和二级文件夹内容完全一致，作用应该是一样的。国际惯例附上经验来源：https://blog.csdn.net/zb1165048017/article/details/51355143。
二、VS2013+caffe-master+CPU
1，CPU下编译caffe-master网上教程很多，这里不赘述，推介这两篇博客文章：
①：https://blog.csdn.net/zb1165048017/article/details/51355143
②：https://blog.csdn.net/guoyk1990/article/details/52909864（有训练教程）
两篇文章讲得都很详细，第一篇博客详细地介绍了怎样在CPU环境下跑起来这个caffe框架，亲测没有错误，但是博主没有提醒一点，就是在编译前将编译器设置为Release，X64，默认Debug，X64，感谢博主。
第二篇博客前面提到了GPU模式下需要安装的软件（CUDA平台和一个加速库：cudDNN，但是没有讲在GPU下编译、运行及测试），可以看也可以跳过，下文会讲GPU模式的搭建步骤。此博客有关于训练和测试的教程，训练测试数据在博客中也有链接，可以用来测试是否搭建成功。
2，下面讲CPU下遇到的问题
①：没有编译convert_mnist_data,如下图，解决方案中一共有16个项目，其实是16个工程，各有各的用处吧，按照博客②中讲述，下载下来的训练数据要转换成caffe可以识别的leveldb或lmdb文件类型，作者还附上了批处理代码，很方便。但是这中间要用到convert_mnist_data.exe，但是两篇博客均没有讲要编译这个工程，结果转换失败后仔细看代码才发现这个问题！单独编译convert_mnist_data工程即可解决。
②：有了convert_mnist_data.exe还是不行，还是转换不成功，提示打开文件失败，然后再一次研究批处理代码，发现，要把下载好的四个文件解压，解压后，问题结局，成功转换。
③：训练及测试过程，caffe训练时调用转换好的leveldb或lmdb文件时的路径为.\examples\mnist，博客②中作者的批处理文件代码将转换好的文件输出到了\examples\mnist\mnist_data，需要自己拿出来，或者在两个转换的批处理文件代码中，输出路径设置为.\examples\mnist，如下：
train
Build\x64\Release\convert_mnist_data.exe --backend=lmdb examples\mnist\mnist_data\train-images.idx3-ubyte examples\mnist\mnist_data\train-labels.idx1-ubyte examples\mnist\mnist_train_lmdb
pause test
Build\x64\Release\convert_mnist_data.exe --backend=lmdb examples\mnist\mnist_data\t10k-images.idx3-ubyte examples\mnist\mnist_data\t10k-labels.idx1-ubyte examples\mnist\mnist_test_lmdb
Pause设置好后，还存在一个问题，运行caffe.exe时提示：
④：Cannot use GPU in CPU-only，这个问题是在这里找到的：http://www.caffecn.cn/?/question/1199，但是文章中讲到在两个文件中都要做修改，一个是Makefile.config，另一个是examples/mnist/lenet_solver.prototxt，以笔者的渣渣编程基础觉得第一处修改意义并不大，因为这个都是按照程序来的，第一处本来就应该是注释。实测修改第二处即可，如果问题任然存在，可以尝试修改第一处。
本次修改后，一次过，界面如下，最后的0.99应该是最后的识别率吧，不明觉厉，哈哈，深度学习就是厉害。
二、VS2013+caffe-master+GPU+cuda7.5+cudnnv5
1，cuda7.5+cudnnv5环境配置
GPU下主要安装一个cuda的平台和cudnn的加速库，其他和CPU一致，相关信息参考以下步骤：
①：安装CUDA7.5方式可以参考以下链接
https://wenku.baidu.com/view/ef375d8587c24028905fc377.html
https://blog.csdn.net/u011821462/article/details/50145221
这两个链接应该可以解决Windows10+VS2013+cudnn的配置问题，第二个链接有测试教程，很不错，感谢大佬！
这里讲一下我的安装经验（挺重要的）：
第一，在安装cuda时候，其实win10还是win7都无关紧要，只是在添加环境变量时候，win10有弹窗，每一条路径一行，而win7是用封号“;”隔开的，视觉上不太好，其他没有区别。
第二，在安装cuda时候千万要注意cuda的版本问题，并不是版本越新越好，以caffe-master为例，它只支持cuda7.5，笔者刚开始直接装了cuda9.2，却发现cudnn都下载不了，截至目前（2018-5-27）9.2版本的CUDA还不支持Windows下的cudnn加速库，看后期NVIDIA有没有更新吧！于是笔者直接下了cuda7.5，其实caffe-master官方就是cuda7.5，为了兼容性好，墙裂安利cuda7.5.
第三，下载cudnn时，笔者再一次犯错误，下载了cudnn v6，于是编译再一次报错，错误还不能定位，根本看不出来是cudnn版本错了，网上又是一番查找，无意中看到这篇帖子
（https://blog.csdn.net/zb1165048017/article/details/51549105）提到了，caffe-master在GitHub上有明确说明，只支持cudnnv4、cudnnv5，都是英文的，一开始根本没看，准确说是看到鸟语本能性排斥。在这里强调一下，对于一个开发者，鸟语真的真的很重要！找到问题就很简单了，直接在NVIDIA官网下载cudnn v5 for cuda7.5，解压后将三个文件复制到cuda的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5 相应的文件夹中。编译通过，这里再提一下，GPU版本编译过程及其缓慢，编译信息会轮回滚动好几轮，好像死循环似的，其实没有，耐心等待就好，大概半个小时，CPU好的话会时间短点。
第四，强烈建议将显卡图形驱动更新到最新版本。
2，显卡算力 （重要！重要！重要！）
修改后：
修改后保存，然后重新打开caffe.sln
先----->>清理解决方案!清理解决方案!清理解决方案!
然后------->重新编译所有！重新编译所有！重新编译所有！
至此，所有设置均已完成，编译结束后，运行上面提到的三个批处理命令，得到GPU训练下的程序运行图：
注：若是显卡算力低于3.0，笔者也没有遇到这样的问题，因为我的显卡是GT 750M，算力为3.0，我猜测若是显卡算力低于3.0的话，可以像我一样在CommonSettings.props做相应修改后，查看Makefile.config.example里看有没有自己的算力代码，若是显卡算力为2.0或者2.1相信也可以同样解决问题，若是低于2.0的话，我觉得可能单单修改CommonSettings.props已经不会有效果了，请兄弟自行查找相关解决问题吧，爱莫能助了！
写在最后：
第一次发帖子，不足之处，敬请谅解，欢迎指正！同时向感谢文章中的所有链接作者表示感谢！希望对相关研究者有所帮助！