环境：win10 64位+VS2013+Caffe【无GPU】
昨天晚上和今天一上午终于将win10上的Python接口的Caffe配置好了，同时配置好了VS+Caffe+Opencv2.4.10可以在VS中进行Caffe+Opencv的开发，期待后期的学习。可谓厉了种种困难终成正果。先将MNIST测试的过程作一总结，后期忘了也好回顾。MNIST就像学习编程语言中的“Hello World！”，运行这个就意味了开启了Caffe时代，哈哈，菜鸟我目前水平有限，仅作记录之用！
简单介绍：本文采用的是LeNet5模型，这是CNN卷积神经网络中很经典的paper，有需要的可以网盘下载http://pan.baidu.com/s/1kVom7HH 密码：8mez
第一部分：MNIST数据集训练测试部分
1、下载MNIST数据集，网盘http://pan.baidu.com/s/1qYv3W4G 密码：zual
将下载的两个文件夹放到examples\mnist目录下，如下图所示：
2、在测试之前需要修改一些参数，还是在examples\mnist目录下的lenet_solver.prototxt,这个是用于计算的。将最后一行改成——CPU：如图：
红色方框里看下是否是对应位置，如果不是请修改下！因为本实例是无GPU的，所以后面必须改为CPU，不然会报错！同时可以看到图片中定义了网络的一些参数，比如最大迭代次数为10000，max_iter = 10000;
接下来再打开examples\mnist目录下的lenet_train_test.prototxt（可以用VS直接打开进行修改），这个是设置Lenet网络的训练和测试源，也就是具体的文件位置，如下图所示：
上面照片中都是论文的核心所在，后期要好好研究了。
3、以上步骤完成后就可以编写脚本文件进行训练了，手写在Caffe-window的根目录下新建一个mnist_train.txt并写入如下图所示的代码;
台式机没下载Sublime，就直接用了文本编辑器，有点苍白哈；哈哈，这不是重点啦，文件保存后修改下扩展名为bat，这是Windows批处理文件，可以直接运行。有的扩展名隐藏起来了，win10系统下直接在查看中修改设置就好了。然后接下来就直接你们都知道了哈，双击mnist_train.bat这个文件就好了，我的电脑运行了大概几分钟左右，就会出现下面的界面：
当迭代次数达到10000次时就结束了，这在之前的lenet_solver.prototxt中可以查看相关参数。通过这一步，在examples\mnist目录下就会生成四个文件,扩展名为caffemodel和solverstate，这就是训练产生的模型文件，如下图：
4、经过了以上几个步骤大家是不是还是感觉像是黑箱，不知道为什么这样设置，哈哈，这就是以后要深入理解Caffe啦，我也在学习的过程中，加油啦！上面的步骤仅仅是通过训练数据对模型进行训练，接下来需要通过测试数据对模型进行测试。首先在这之前需要经过一个重要的步骤，就是生成均值文件，让每张测试图数据减去均值，这样能提升分类的效果，在编译完Caffe后在caffe-window根目录下会生成一个Build文件夹，在这里面需要用compute_image_mean.exe文件，具体位置Build\x64\Release目录下，然后再根据之前生成bat的方式来制作mnist_mean.bat。具体的代码为;
双击运行完后在Caffe-window根目录下生成一个mean.binaryproto文件，这就是所需要的均值文件，然后再次打开examples\mnist\lenet_train_test.prototxt，修改如下：
接下来就可以进行测试集进行测试啦！
5、同样在Caffe-window根目录下建一个mnist_test.txt文件，具体内容为：
更改扩展名为bat，运行结果如下所示：
准确率不是太高0.875,目前最高的能达到0.992了，模型参数还有待改进！
第二部分：MNIST训练生产的模型进行手写数字进行测试
在这一部分需要准备一张28*28的图片，还有一个lable.txt文件，需要用到的是classification.exe文件，在Build\x64\Release\classification.exe，然后在Caffe-window根目录下建一个mnist_class.txt文件，修改为：
图片和lable.txt文件一同在之前提供的数据集链接里，这里需要注意的是有人打开lable.txt发现有0-9十个数，而图片只有一张就把1-9给删了，以为是0.jpg对应的标签，这种理解是错误的，这里就已经是对自己的图片进行识别了，所以lable.txt里是分类类别而已！就是要对0.jpg进行0-9分类的。具体结果如下：
第一个1后面的那个就是分类结果。正确分类了，可以自己用PS多制作几张图进行测试！
第三部分：总结
通过今天的实验，感觉对Caffe还不是很了解，所以接下来的主要任务就是快速熟悉Caffe框架的具体结构！不知不觉都十一点多了，洗洗睡啦！