筆者作為一名深度學習小白，今日開始打算入門caffe框架。而caffe的安裝過程沒想到出現各種問題，雖參考眾多部落格，均未完美解決，故集眾家所長，貼上一文，希望幫助和我一樣的新手。筆者環境為win10+vs2013。本文尤其感謝http://blog.csdn.net/tina_ttl/article/details/51722983，並在此基礎上略有補充。
其實win7，win8，win10系統均可，而vs建議2013版本，筆者在vs2015版上未安裝成功，而眾多博主大多也反應vs2015安裝問題眾多。

一. 安裝檔案準備
1.1 visual studio 2013安裝
1.2 CUDA8.0下載 https://developer.nvidia.com/cuda-toolkit-archive

筆者此時（2016/10/8）僅能在官網下載Cuda8.0，故不採用其他諸如6.5，7.0，7.5之類的老版本。
1.3 windows版本caffe下載 https://github.com/Microsoft/caffe
此版本為微軟官方製作版本，推薦！
1.4 cuDNN下載 https://developer.nvidia.com/cudnn
這裡為筆者所用為CuDNNv5,在官網需要註冊郵箱才能下載
1.5 Python2.7安裝
1.6 Matlab安裝 筆者所用為2014a版本

二. 第一步完成的話，vs2013、Python2.7、MATLAB、CUDA8.0想必以安裝好，而caffe和cudnn下載 檔案解壓後會是兩個資料夾caffe-master和cuda，筆者解壓在D:\Program Files\caffe路徑中。接下來，開啟caffe-master資料夾,然後看到一個windows資料夾,然後繼續開啟windows資料夾,看到裡面一個CommonSettings.props.example檔案,複製一份,並改名字為CommonSettings.props。

然後用VS2013開啟Caffe.sln(就到剛剛那個資料夾裡面)，準備修改配置檔案。

三.開啟CommenSetting.probs.即配置檔案。

例子中所有配置引數都是預設值

CpuOnlyBuild：是否使用CPU

預設值為False（即使用GPU編譯）
如果本機沒有配置好CUDA，那麼，該值應該賦值為True；
如果本機已經配置好CUDA，並且需要編譯CUDA版本的caffe，那麼，該值應該賦值為True、
UseCuDNN：是否使用CuDNN

預設值為True；
如果本機沒有配置好CUDA，那麼，該值應該賦值為False；
注意：CpuOnlyBuild和CuDNN不能同時為True；
如果這裡設定為True，那麼還需要對賦值，即下載的CuDNN的路徑
CudaVersion：CUDA的版本

PythonSupport：是否支援python

預設值為False，即後續不編譯pycaffe；
如果需要編譯pycaffe，那麼該值設定為True
如果這裡設定為true，那麼還需要對 C:\Miniconda2\賦值
上面的值是預設的，應該修改為本機的python安裝路徑，也就是python.exe所在路徑，例如，本機安裝的python，路徑如下：D:\Program Files\Python27，那麼，應該令 D:\Program Files\Python27

MatlabSupport：是否支援matlab

預設值為False；
如果需要編譯matcaffe，那麼該值設定為True
如果該值設定為true，那麼還需要對C:\Program Files\MATLAB\R2014b進行賦值：
上面的路徑是預設的，需要更改為本機的matlab安裝目錄，例如，本機的matlab安裝路徑如下：D:\Program Files\Matlab 2014a\setup，那麼，D:\Program Files\Matlab 2014a\setup

注：對cuDNN路徑的配置有兩種方案：
- 方案1：將cuDNN v4的壓縮包內的bin、include、lib中的檔案分別放置在%CUDA_PATH% （即cuda的安裝路徑）的相應目錄中
- 方案2：將 .\windows\CommonSettings.props檔案中的CuDnnPath設定為該解壓縮路徑，例如，將cuDNN解壓後文件放置在D:\Program Files\caffe\cuda中，那麼，在CommonSettings.props中，令D:\Program Files\caffe\cuda，即上面提到的方法。

四.編譯caffe,特別注意專案的編譯順序!(筆者覺得debug或release均可)
編譯前先加入如下一步

1、首先編譯libcaffe專案（其他的專案依賴於libcaffe專案）。會還原NuGet包，即從網路下載編譯需要的各種依賴包，經過一段時間等待後，編譯成功 。
這裡可能會出現幾個問題：
（1）編譯過程中，可能會出現錯誤。提示“error C2220: 警告被視為錯誤 - 沒有生成“object”檔案”，這是由於微軟NuGet回來的boost庫中的format\alt_sstream_impl.hpp檔案編碼格式導致的，只需要雙擊錯誤開啟該檔案並儲存，再編譯就順利通過了。
（2）caffe編譯過程中，需要一些依賴包，在有網路的情況下，當編譯第一個專案libcaffe時，程式會自動從網路下載這些依賴包，下載到與caffe-windows資料夾同級的NugetPackages資料夾中，但在沒有網路情況下，需要事先將這些依賴包下載好，並將它們的路徑在vs的管理NuGet程式包中進行設定：工具->選項->NuGet Package Manager->程式包源->利用右側的加號新增本地的package 。手動新增這些package地址後，還需要手動對這些NuGet Package進行安裝 。
2、編譯caffe專案
3、編譯pycaffe。筆者在編譯時提示缺少python27_d.lib，這時可以將Python安裝目錄libs資料夾中的python27.lib複製一份，重新命名為python27_d.lib即可。再修改Python安裝目錄include資料夾中的pyconfig.h檔案，將#define Py_DEBUG一行註釋掉。
4、編譯matcaffe。筆者在編譯時提示找不到”gpu/mxGPUArray.h”，此時在，在MATLAB中搜索才發現，這個標頭檔案在D:\Program Files\Matlab 2014a\setup\toolbox\distcomp\gpu\extern\include路徑下，而matcaffe並不包含該路徑，故在右鍵屬性—VC++目錄—-包含目錄中手動新增該路徑，編譯成功。
5、編譯其他專案
接下來，再依次編譯其他專案，同樣的方法
classification：用來分類
compute_image_mean：計算均值
convert_cifar_dat：對cifat資料集進行轉換
convert_mnist_data：對mnist資料集進行轉換

五、執行caffe.cpp，直接雙擊開啟caffe.cpp，然後ctrl+f5直接編譯，出現如下命令視窗說明編譯成功

至此，vs2013+cudnn+微軟官方移植caffe已經編譯成功！
筆者也試過另外一種方案，用大神製作的Windows-caffe包，內含第三方庫，無需自己下載cudnn ，雖然省事，但是筆者並未在此方案下編譯成功，若有興趣的朋友可以嘗試此方案，方法如此http://blog.csdn.net/muyouhang/article/details/50688038。

接下來，就可以開始真正學習caffe框架咯~~~