在Windows平臺下使用Caffe的確不如Linux來的方便，至少人家把Shell都已經寫好了。但是像我這種VS重度依賴者，還是離不開微軟大腿呀…廢話不多說，一步步來吧

0. 為了後續檔案路徑訪問的便利，我們先將$CAFFE_ROOT根目錄新增到作業系統環境變數PATH中，並重啟使之生效。

1. 首先需要從Yann LeCun的網站 http://yann.lecun.com/exdb/mnist/  上下載手寫數字影象庫，共為四個壓縮包約11MB大小，分別是train-images-idx3-ubyte.gz（訓練集影象），train-labels-idx1-ubyte.gz（訓練集標籤），t10k-images-idx3-ubyte.gz（測試集影象）和t10k-labels-idx1-ubyte.gz（測試集標籤）。並將其解壓縮至Caffe目錄下的$CAFFE_ROOT\data\mnist資料夾中。

2. 然後我們需要將解壓縮後的四個檔案轉為Caffe所支援的lmdb檔案，轉換需要使用到編譯好的convert_mnist_data.exe可執行檔案。由於Windows不能執行Caffe提供的Shell檔案，在此將其修改為bat批處理檔案內容如下：

@echo off

rd /s /q mnist_test_lmdb
rd /s /q mnist_train_lmdb

convert_mnist_data.exe data\mnist\train-images.idx3-ubyte data\mnist\train-labels.idx1-ubyte examples\mnist\mnist_train_lmdb

convert_mnist_data.exe data\mnist\t10k-images.idx3-ubyte data\mnist\t10k-labels.idx1-ubyte examples\mnist\mnist_test_lmdb

pause
 

3. 這時準備工作就已經就緒，我們可以開始對資料集進行訓練了。

@echo off

caffe train --solver=examples/mnist/lenet_solver.prototxt

pause

或者我們可以在Visual Studio中更改工程屬性，配置除錯命令引數，

執行批處理檔案或直接在Visual Studio中執行除錯，Caffe就執行起來了。在NVIDIA Geforce GTX970機器上，LeNet迭代10000次大約只需要1分鐘就訓練好了（在Ubuntu系統上訓練時間更短，只需要30s左右，原因是Linux版cuDNN效率更高），結果如下圖所示