Windos 7 64位下通过VS2013配置caffe模型，并使用MATLAB调用训练好的ImgaeNet接口做测试

Windos 7 64位下通过VS2013配置caffe模型，并使用MATLAB调用训练好的ImgaeNet接口做测试

 

Label  深度学习 caffe配置 测试

 

一. Win 7 + VS2013 + caffe

 

1. 准备工作：安转VS2013

 

2. Windos下caffe的源码：https://github.com/happynear/caffe-windows；

相应的中文版安装教程：http://blog.csdn.net/happynear/article/details/45372231；相关编译错误解决方案大概都在回复中，也可参考：

http://blog.csdn.net/r864539013/article/details/50277331；

 

二．使用MATLAB调用训练好的

 

1. 我的caffe安装目录为D:\caffe-windows-master，将

D:\caffe-windows-master\matlab\+caffe\private下的caffe_.mexw64文件拷贝至

D:\caffe-windows-master\matlab\demo下；

 

2. 下载训练好的ImageNet的模型：bvlc_reference_caffenet.caffemode

地址：http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel；

拷贝至：D:\caffe-windows-master\models\bvlc_reference_caffenet；

 

3. 打开MATLAB，定位至D:\caffe-windows-master\matlab\demo，新建一个test.m文件，添加代码：

im =imread('../../examples/images/cat.jpg');

scores = classification_demo(im, 1);

[score, class] = max(scores);

 

Cat.jpg路径：D:\caffe-windows-master\examples\images；

 

4. 跑test.M可以看到结果，分类结果保存在class中，scores中保存了cat图像分属于1000类的值，值越大表示隶属于该类的概率越高。