深度学习网络调参是一个技术活，那么我们怎么知道自己的参数好不好呢？可能看网络的准确率和损失值是一个不错的选择，但是，这并不直观，而且，我们也无法知道圣经网络自己选择的特征是不是我们想要的特征。对此，将特征图输出来看一看就显得很有必要了。
开始之前，我们先介绍一下
条件：
1.安装了python2.7
2.caffe编译通过以及caffe的python接口编译通过
3.已经生成了一个model。
有了上面的准备之后，我们还不能开始编写python脚本来可视化caffe特征图，还需要进行python的配置：
1.打开windows的cmd窗口。
2.安装Cython:在cmd中输入py -2 -m pip install Cython，回车。
注：由于我安装的python3.6和python2.7双版本，进行python第三方库安装的时候需要用python启动器指定为哪个版本的python安装第三方库，使用py -2(或3) -m pipinstall.....
如果只安装了python2.7，安装第三方库只需要用pip install......
我的计算机先安装的python3.6，然后安装的python2.7，不知道为什么python2.7的pip,setuptools以及很多lib都没有安装上，废了很大功夫才把pip以及setuptools安装上，中途遇到了各种各样的问题。但是各种lib库只有在使用的时候来安装了，因此本文配置python会出现各种错误，并不一定大家都会遇到。
3.安装好Cython之后，输入py -2 -m pip install ipython,回车。
注：这一步可能会出现问题，提示 Microsoft Visual C++ 9.0 is required（需要c++ 9.0），幸好后面有提示去哪下载http://aka.ms/vcpython27。如图：
下载安装了c++9.0之后，再运行上面的命令应该不会出问题了。
4.输入py -2 -m pip install distribute,回车。
5.输入py -2 -m pip install nose,回车。
6.输入py -2 -m pip install virtualenv,回车。
7.numpy和matplotlib都是需要这样安装上的。
8.下一个是安装scipy,它的安装方式和上面的不一样，安装过程出了问题，如图：
但，总的原因就是no lapack/blas resource found，这是因为scipy的安装需要依赖于numpy、lapack、atlas（后两者都是线性代数工具包，不清楚的自行google之。。。），而numpy和sci的测试程序的运行又依赖于nose，因此，不安装这个，不仅scipy安装不上，后面需要的scikit-image也安装不上，而且还有很多库都不能安装上，lapack的安装比较复杂，另外一篇文章中有详细的简易安装过 程http://blog.csdn.net/github_19765307/article/details/38719047,安装过程中可能也会出现不少问题，耐心去网络上查解决方案是一个不错的选择，另外，还可以留言，我也会帮助大家解答一些问题。
另外，在网上找了很久，发现有.exe版的scipy，这就方便多了，省去了很多的麻烦，附上链接：http://download.csdn.net/detail/feixueyinjiayue/9027923，这是针对python2.7，64位的，网上还有32位的。
从这里开始是隔了很久再来写的，具体后面还会出现哪写问题，我也记不清了。最大的问题就是上面提到的那些，准备工作做好了之后，以后有时间我会再写一篇来讲解windows下在python中如何进行caffe特征图可视化。