? ? 學習caffe完全是出于興趣，覺著人工智能的時代到來了，笨鳥先飛吧。

PS：caffe源碼是用c++寫的，所以如果想用python或者matlab調用caffe的需要額外配置和安裝python和matlab環境，如果你是用c++來編寫自己的深度學習代碼，則直接安裝caffe編譯完成就可以使用了。

一、安裝編譯環境

1、 ? ?Visual studio2013

? ? ? ?這個比較簡單，不寫步驟了。

2、python 2.7.6

? ? ? ?為了能使用python調用Caffe，首先需要安裝python，這個也簡單，問度娘很多。注意兩點：

①安裝的時候記得勾選pip，這個工具很nice，可以為你省很多不必要的麻煩；

②安裝完后設置好環境變量。可以再cmd命令中輸入python檢查，如果不報錯，則恭喜。

? ? ? ?接下來利用pip工具安裝這幾個包：numpy、scipy、matplotlib、scikit-image、protobuf

在cmd命令行內輸入：pip install numpy即可，其他幾個類似。

3、matalb

? ? ? ? 這個安裝過程比較慢，也沒什么需要注意的，這里直接略去。

二、安裝caffe

1、caffe源碼包

下載地址：https://github.com/Microsoft/caffe

2、編譯配置

? ? ? 將下載的caffe-windows.zip進行解壓，并進入其根目錄下的windows目錄，把這個CommonSettings.props.example文件復制到源目錄一份，然后重命名為CommonSettings.props。打開并修改其中的配置項。有幾個需要注意的地方：

①是否只是用cpu。如果你的電腦顯卡支持GPU編程(是否支持可以去英偉達官網查詢)，那么可以配置為false。否則CpuOnlyBuild = true

②是否使用cudnn加速?

③是否使用python和matalb，根據需要配置

④如果配置了python和matlab，這里需要把修改軟件目錄為自己電腦上的實際安裝目錄

⑤如果有cuda，則把CudaVersion修改為自己電腦的cuda版本

3、項目編譯

? ? ? ? 用Visual studio2013打開caffe-master\windows下的Caffe.sln文件，進去后如下圖（共16個項目）：

（1）先生成【libcaffe】，右鍵生成；這里由于別的模塊用到了libcaffe，所以，首先生成libcaffe

（2）再選擇【解決方案Caffe】進行生成，這里時間比較久，因為Nuget會提示下載一些東西，包括boost,opencv2.4.10,gflags,glog,hdf5,lmdb,LevelDB,OpenBLAS,protobuf等預編譯的依賴包。過程有點慢，多等會就ok。下載完成后會在caffe 的同級目錄生成NugetPackages的文件。

? ? 如果中途編譯失敗，出現錯誤，不用緊張，雙擊出現如下對話框，確定然后保存，重新編譯即可。

4、運行

? ? ? ? 右鍵解決方案->屬性->通用屬性->啟動項目->當前選定內容，然后保存。

? ? ? ? 點擊caffe->caffe.cpp，按F5運行，生成如下界面，證明安裝成功。

同時在Build\x64\下生成了很多exe和dll文件。這些工具在后面訓練網絡、測試時候很有用。

三、體驗深度學習

? ? ?終于到這了，我們通過一個caffe自帶的簡單例子來體驗一下caffe的網絡訓練和預測。 ?

? ? ?deep-learning屬于有監督學習的一種，一般步驟分為：準備數據、訓練模型和測試模型。我們下邊也通過這三步來測試一個基于LeNet網絡的學習模型。

1、準備訓練數據

mnist數據集下載地址：http://yann.lecun.com/exdb/mnist/

下載后解壓到caffe-master目錄中的\data\mnist內。分別在cmd下輸入以下命令

.\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

將數據轉化為caffe需要的輸入格式。

2、訓練模型

①修改模型參數

修改examples\mnist\lenet_solver.prototxt，將最后一行改為solver_mode:CPU，

修改examples\mnist\lenet_train_test.prototxt，如下所示，左面為原始的，右面為修改后的。

②訓練模型，訓練完畢后會得到相應的準確率和損失率。

.\Build\x64\Release\caffe.exe?train?--solver=.\examples\mnist\lenet_solver.prototxt

3、測試模型

? ? ? 最終訓練的模型全職文件保存在example\minst\lenet_iter_10000.caffemodel文件中，訓練狀態保存在example\minst\lenet_iter_10000.solverstate中。這兩個文件都是PrototxtBuffer二進制格式。

? ? ? 利用訓練好的模型權值文件可以測試數據集。運行如下命令：

.\Build\x64\Release\caffe.exe test -model examples\mnist\lenet_train_test.prototxt -weights examples\mnist\lenet_iter_10000.caffemodel -iterations 100

到這，整個caffe在windows上就安裝完成了。下一節寫Ubuntu下caffe的配置。

謝謝！