在硕士第二年，义无反顾地投身到了深度学习的浪潮中。从之前的惯性导航转到这个方向，一切从头开始，在此，仅以此文记录自己的打怪之路。

 最初的想法是动手熟悉Caffe,考虑到直接上手Ubuntu会有些难度，所以首先在windows环境下打个基础。有个插曲，台式机由于某些原因只能保持在32位系统，编译caffe.cpp时才发现系统不兼容，然后才换到64位的笔记本上进行操作。

 前期准备：1.VS 2013   2. windows版的Caffe（），直接下载即可。

Caffe安装：

Step1

将Caffe从GitHub上下载后解压缩，将./windows中的CommonSettings.props.example文件复制到本文件夹中，然后删除example得到CommonSettings.props文件，如图所示

如果不这么做，在VS中将打不开CommonSettings.props.example文件。

 

 

Step2

修改CommonSettings.props文件。根据自己的需求修改状态，比如我自己笔记本上无GPU，就在对应的地方设置位False；相应的，我只能用CPU，那就改成True；Matlab和Python的接口是否使能（Enabled）也在这里设置。

可能会出现的问题：libcaffe和test_all加载失败；解决办法：从第一步开始，重新解压压缩包。

 

 

Step3

生成解决方案，下载第三方库。

点开./windows中的caffe.sln,右键解决方案“caffe”,点击生成解决方案

这时候，会弹出一个框，表示正在在下第三方库，里面包括openCV之类的库，下载完后可以发现

 

会 出现的问题：生成解决方案失败，提示说无法打开libcaffe.lib之类的error。解决方法是直接对libcaffe重新生成，或者直接生成一次

接着会出现的问题：没有生成object文件；解决办法：双击此错误，保存弹出来的框，然后再对libcaffe“重新生成一次”

最后会提示解决方案生成成功了

 

 

Step 4

设置属性

 

 Step5

运行caffe.cpp，按ctrl+F5进行编译

出现了这种状况：

解决办法是重启电脑

出现下面的窗口说明编译成功

 

mnist测试

可以参考

 

需要注意的是：

1.将他们都下载下来，在./data/mnist中建立两个文件夹分别装好

2. 写脚本语言是应核对好路径是否正确，要用自己的路径，不能照抄作者的。

3. 如果只用CPU，网络训练时间在一小时左右（可能是我笔记本配置低）

 

在此特别感谢【风翼冰舟】，重要思路来源于这篇文章

 

初次写文，错误难免，请大家指正！若侵犯您的知识产权，请联系我，邮箱：chuxiangyu03@163.com