深度學習網路調參是一個技術活，那麼我們怎麼知道自己的引數好不好呢？可能看網路的準確率和損失值是一個不錯的選擇，但是，這並不直觀，而且，我們也無法知道聖經網路自己選擇的特徵是不是我們想要的特徵。對此，將特徵圖輸出來看一看就顯得很有必要了。

開始之前，我們先介紹一下

條件：

1.安裝了python2.7

2.caffe編譯通過以及caffe的python介面編譯通過

3.已經生成了一個model。

有了上面的準備之後，我們還不能開始編寫python指令碼來視覺化caffe特徵圖，還需要進行python的配置：

1.開啟windows的cmd視窗。

2.安裝Cython:在cmd中輸入py -2 -m pip install Cython，回車。

注：由於我安裝的python3.6和python2.7雙版本，進行python第三方庫安裝的時候需要用python啟動器指定為哪個版本的python安裝第三方庫，使用py -2(或3) -m pipinstall.....

如果只安裝了python2.7，安裝第三方庫只需要用pip install......

我的計算機先安裝的python3.6，然後安裝的python2.7，不知道為什麼python2.7的pip,setuptools以及很多lib都沒有安裝上，廢了很大功夫才把pip以及setuptools安裝上，中途遇到了各種各樣的問題。但是各種lib庫只有在使用的時候來安裝了，因此本文配置python會出現各種錯誤，並不一定大家都會遇到。

3.安裝好Cython之後，輸入py -2 -m pip install ipython,回車。

注：這一步可能會出現問題，提示 Microsoft Visual C++ 9.0 is required（需要c++ 9.0），幸好後面有提示去哪下載http://aka.ms/vcpython27。如圖：

下載安裝了c++9.0之後，再執行上面的命令應該不會出問題了。

4.輸入py -2 -m pip install distribute,回車。

5.輸入py -2 -m pip install nose,回車。

6.輸入py -2 -m pip install virtualenv,回車。

7.numpy和matplotlib都是需要這樣安裝上的。

8.下一個是安裝scipy,它的安裝方式和上面的不一樣，安裝過程出了問題，如圖：

但，總的原因就是no lapack/blas resource found，這是因為scipy的安裝需要依賴於numpy、lapack、atlas（後兩者都是線性代數工具包，不清楚的自行google之。。。），而numpy和sci的測試程式的執行又依賴於nose，因此，不安裝這個，不僅scipy安裝不上，後面需要的scikit-image也安裝不上，而且還有很多庫都不能安裝上，lapack的安裝比較複雜，另外一篇文章中有詳細的簡易安裝過 程http://blog.csdn.net/github_19765307/article/details/38719047,安裝過程中可能也會出現不少問題，耐心去網路上查解決方案是一個不錯的選擇，另外，還可以留言，我也會幫助大家解答一些問題。

從這裡開始是隔了很久再來寫的，具體後面還會出現哪寫問題，我也記不清了。最大的問題就是上面提到的那些，準備工作做好了之後，以後有時間我會再寫一篇來講解windows下在python中如何進行caffe特徵圖視覺化。