注意：

一定要保證電腦裝有353.66（CUDA7.5）或369.30（CUDA8.0）以上的N卡驅動，至少保證使用GeForce800系列以上的顯示卡！否則caffe會顯示  “Check failed: error == cudaSuccess (35 vs. 0)”。

一定使用caffe的GPU介面，CPU無法跑Faster RCNN，否則會提示 “無法解析Forward_gpu(...)、Backward_gpu(...)” 。因為原作者並沒有提供CPU版本，部落格所有方法均無效，有興趣的可以自己嘗試實現。

1.系統環境是Windows7+CUDA8.0+CUDNN5.1+VS2013+Python2.7

2.開始前需要先進行以下幾步工作：

（1）編譯GPU版本caffe的python介面。修改.\caffe\windows\CommonSettings.props，改為GPU版本caffe。點選Caffe.sln，依次生成libcaffe、caffe，再對pycaffe點選生成，編譯caffe的python介面。將.\caffe-master\Build\x64\Release\pycaffe\caffe資料夾複製到.\Python\Lib\site-packages\下，若安裝Anaconda2，也可以複製到.\Anaconda2\Lib\site-packages\路徑下。呼叫cmd，輸入python，再輸入import caffe，驗證是否成功。

再下載py-faster-rcnn-windows，地址：https://github.com/MrGF/py-faster-rcnn-windows 。將py-faster-rcnn-windows中的lib完全替換掉py-faster-rcnn中的lib。

替換後，在py-faster-rcnn\lib\rpn路徑下，編輯proposal_layer.py：

a. 將其中的 param_str_ 替換為 param_str。 
b. 將cfg_key = str(self.phase)替換為cfg_key = str('TRAIN' if self.phase == 0 else 'TEST')。

（3）點選Caffe.sln，在libcaffe下新增檔案，.\caffe\src\caffe\layers下的roi_polling_layer.cpp、roi_polling_layer.hpp、roi_polling_layer.cu分別新增（.cpp加入到libcaffe\src\layers\，.hpp加入到libcaffe\include\，.cu加入到libcaffe\），對libcaffe點選重新生成。對pycaffe點選生成，生成新的pycaffe資料夾中的caffe資料夾。將其複製到py-faster-rcnn\caffe-fast-rcnn\python資料夾下（若無python資料夾，則新建一個）。

可能問題：編譯libcaffe可能提示 “無法解析的外部符號ROIPoolingLayer<double>::Forward_gpu(...)、ROIPoolingLayer<double>::Backward_gpu(...)”

解決方法：開啟.\caffe-master\windows\libcaffe\libcaffe.vcxproj，保證存在<CudaCompile Include="..\..\src\caffe\layers\roi_pooling_layer.cu" />，如圖。若無，則加上。儲存libcaffe.vcxproj，再編譯libcaffe即可成功。