吐血配置win7+theano+gpu+caffe+matlab+python

来源：互联网发布：html5性能优化编辑：程序博客网时间：2024/05/16 06:09

首先感谢大神小鱼人fish、hjimce 、double-vane ，本文主要在这三篇博客的基础上，写一下我自己的安装经历。由于我在安装的时候遇到不少问题，所以将三位大神的博客直接复制，在我修改的地方做了一些批注，希望能帮助到更多的人，可能也侵犯三位大神的版权了，罪过罪过。

一、theano环境搭建

首先，按照hjimce 的http://blog.csdn.net/hjimce/article/details/46654229安装theano。

原文地址：http://blog.csdn.net/hjimce/article/details/46654229

作者：hjimce

搭建theano实属不易，因为每个人的电脑不一样，所以安装过程会有所区别，特别是安装cuda的时候，很容易驱动冲突。网上教程一大堆，但是我都没搭建成功，最后根据官网的教程，一步一步的琢磨，总算功夫不负有心人。因此写一下艰辛的theano安装历程

环境：win7+64位系统

硬件：笔记本电脑，显卡型号:GTX 850M

现在假设电脑啥都没装，开始从头到尾进行环境搭建。

1、安装Anconda。

因为如果安装纯净版python，还需要自己安装其它的numpy、matpolt等库，挺麻烦的。所以我直接安装集成的Anaconda ，这个软件包含了Ipython，还有许多python的计算库。下载地址为：http://www.continuum.io/downloads

因为我是64位系统，因此选择64位的版本，下载后文件为：Anaconda-2.2.0-Windows-x86_64.exe，下载完成后，就直接双击开始安装，全部都选取默认的就可以了，默认会安装到：C:\Anconda。

安装完成后，在window开始菜单下，的所有程序中找到已安装的Anaconda，如下：

打开Anaconda的命令窗口：Anaconda Command Prompt，然后输入命令：conda list 可以查看Anaconda为我们安装的python相关的包：

里面有非常多的包，如：numpy, nose, pip, python, scipy。

2、安装mingw、theano

(1)mingw 安装

有的Anaconda 是有包含mingw的，不过我下载到的版本安装完以后上面的包列表中并没有mingw，也就是C:\Anconda文件下没有MinGW文件夹，因此需要自己在线安装。这个如果没有装好，后面使用theano的时候会提示：g++ no detect，还有g++不是内部命令什么的。总之如果错误提示g++问题，就代表mingw没有安装或配置好。

我们在Anaconda命令窗口中，输入mingw的安装命令： conda install mingw（此处先别输入，往下看，我用的是下面的方法）。

声明修改：这一步用命令conda install mingw错了，最后theano安装完后，输入命令“import theano”会出现：no module named gof 的错误。需要把mingw的安装命令改为： conda install mingw libpython。才不会出现后面的no module named gof 错误

因为我已经安装过了，所以输入安装命令后，提示的是：All requested packages already installed。也就是已经安装完了，如果还没有安装的，它会自动链接在线安装。

mingw安装完后，在C:\Anconda文件下会出现：名为MinGW的文件夹。（目前安装的都是Anconda2了，无妨）

(2)theano 安装

与mingw的安装类似，直接在anaconda的命令窗口中输入命令：pip install theano。接着会自动进行在线安装，如下所示：

最后安装成功了会提示：successfully installed theano。

(3)配置环境变量

在桌面上我的电脑右键-》属性-》高级系统设置-》环境变量。即可进入环境变量设置界面如下：

步骤一、在系统环境变量中选择“变量path”，在后面加入值：“c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\x86_64-mingw32\lib;”(如果操作系统为32位的变量值输入为“c:\Anaconda\MinGW\bin;c:\Anaconda\MinGW\i686_w64-mingw32\lib;”)（注意要带分号）

步骤二、新建环境变量。变量名为“PYTHONPATH”,变量值为“C:\Anaconda\Lib\site-packages\theano;”（同样注意要带分号）

步骤三、打开C盘-》用户-》当前用户（根据你的电脑用户而定）。因为我的电脑现在所用的是超级管理员用户Adminstrator，因此打开Adminstrator用户

用户目录

在用户Adminstrator下面创建文件名为：“.theanorc.txt”,文件内容为：

“[blas]
ldflags=

[gcc]
cxxflags = -IC:\Anaconda\MinGW\include”

（这里需要注意的是，我安装时，mingw文件夹里没有include，只写到mingw这一级即可），即

“[blas]
ldflags=

[gcc]
cxxflags = -IC:\Anaconda2\MinGW”

即：

ok，到了这里我们已经完成了theano配置的上半部分，这个时候theano已经可以用了，接着需要做个测试，测试一下自己上面的配置有没有问题。

(4)测试配置是否有误

测试开始前，需要重启电脑，因为我们上面配置了环境变量，系统的环境变量设置完了需要重启电脑才能有效果。

测试方法一、

测试代码：

import numpy as npimport timeimport theanoA = np.random.rand(1000,10000).astype(theano.config.floatX)B = np.random.rand(10000,1000).astype(theano.config.floatX)np_start = time.time()AB = A.dot(B)np_end = time.time()X,Y = theano.tensor.matrices('XY')mf = theano.function([X,Y],X.dot(Y))t_start = time.time()tAB = mf(A,B)t_end = time.time()print "NP time: %f[s], theano time: %f[s] (times should be close when run on CPU!)" %(                                           np_end-np_start, t_end-t_start)print "Result difference: %f" % (np.abs(AB-tAB).max(), )

把上面的代码拷贝复制一下，然后用python运行一下结果如下：

如果上面的np time 和theano time 差不多，那就代表你上面的配置没有问题了，这个有的时候电脑还有其他的任务，也有可能导致运行的时间不一致。

测试方案二、

在python命令窗口中输入：

import theanoprint theano.config.blas.ldflags

没有出错(没有返回值)则说明已经配置成功，如下图所示，就代表成功了：

测试方案三、验证BLAS是否安装成功。由于numpy是依赖BLAS的，如果BLAS没有安装成功，虽然numpy亦可以安装，但是无法使用BLAS的加速。验证numpy是否真的成功依赖BLAS编译，用以下代码试验：

>>> import numpy

>>> id(numpy.dot) == id(numpy.core.multiarray.dot)

False （我试了好几次，都是true，不知道原因，望有懂的人告知，谢谢）

结果为False表示成功依赖了BLAS加速，如果是Ture则表示用的是python自己的实现并没有加速。

结果如下代表成功：

3、安装CUDA

上面的theano配置只是完成了上半部分，这个时候还不能进行gpu加速。这个时候我们可以用如下命令：

>>import theano

>>theano.test()

测试看一下结果如下，这个时候会跳出PyCUDA的相关错误信息，因为我们还没有安装CUDA。

OK,接着我们要做的就是安装CUDA了。具体步骤如下：

(1)安装vs，根据theano官网的安装教程，到网站：http://go.microsoft.com/?linkid=9709969 下载到：VS2010Express1.iso，然后用虚拟光驱打开，然后在打开VCExpress文件，双击安装文件：VCExpress\setup.exe （我直接安装的visual studio2012，其实2010版本的也可以，VS主要用于后面的编译，PS:一定要在安装cuda前安装VS）

(2)安装CUDA。

a、下载合适的cuda版本。这一步很操蛋，因为我一开始是根据官网教程，到这个网站：https://developer.nvidia.com/cuda-toolkit-55-archive 根据我是笔记本电脑同时是win7 64位系统，最后下载了cuda_5.5.20_winvista_win7_win8_notebook_64.exe。等了一个小时终于下载完了，下载完后进行安装，结果一安装就出现如下错误：

告诉我说图形驱动与显卡不兼容，如果继续安装，即使安装成功了，也不能使用cuda。于是我就去下载了个高一点的版本：cuda6.5，等了一个小时终于下载完了，结果一运行还是同样的错误。

最后我下载了最新的版本：cuda_7.0.28_windows.exe 终于没有错误了。因此安装cuda需要根据电脑的显卡型号确定，因为我的电脑是刚买不久的，所以显卡比较先进。

根据上面的步骤，我的电脑找到了合适版本为cuda7.0版本。接着就需要安装cuda_7.0.28_windows.exe这玩意了

（最新版本的是7.5，下载地址：https://developer.nvidia.com/cuda-downloads，选择local的，这个是下载下来后再安装，如下图）

b、安装cuda。下载完后，直接双击安装，选择自定义安装，然后把所有包的都勾选上，省的后面出现什么错误。这一步有可能会遇到驱动冲突，导致某些包安装失败，比如我第一次安装的时候，结果图形驱动包就安装失败了。

如果某些包安装失败，后面使用theano的时候，会跳出错误。像我图形驱动安装失败，运行theano的时候就出现错误提示为cuda版本与驱动版本不一致。因此如果你安装cuda的过程中，有出现安装失败的，那么请你接着往下看。安装失败一般是驱动冲突的问题，这个时候我的方法是用驱动精灵卸载掉显卡驱动，然后在进行安装。如果是笔记本电脑，因为是双显卡的，那么就先卸载掉NVIDIA的，另外一个Intel的驱动保留的着。

然后在进行安装CUDA ,还有intel驱动最好是官方驱动，不然也有可能冲突，导致安装失败。

ok,安装完后测试一下是否安装正确。

在命令提示符窗口中输入：nvcc -V，回车查看是否有版本信息。若出现版本信息，则证明nvcc安装成功，如下图所示：

接着我们运行一个cuda自带的测试例子，名字为：deviceQuery_vs2012.sln ，这个例子目录为：C:\Program Files\NVIDIA Corporation\Installer2\CUDASamples_7.0.{E78AE18E-ED3C-4168-AF5B-561BDF7F2BBB}\1_Utilities\deviceQuery 。我用vs2012打开了deviceQuery_vs2012.sln，并编译运行得到如下结果，代表安装成功：（不知道怎么运行，没试，这里不会也没关系，接着往下走）

如果有问题，这个例子运行后，会有错误提示信息。

4、下载并安装VCForPython。下载到的文件为：VCForPython27.msi。

接着在dos命令窗口中，cd到VCForPython27.msi所在的目录，然后输入安装命令： msiexec /i VCForPython27.msi ALLUSERS=1

接着会进行安装VCForPython27.msi。其将被安装到： C:\Program Files (x86)\Common Files\Microsoft\Visual C++ for Python\9.0.目录下

安装完后，可以到这个目录下看看有没有上面这个目录。

安装完了以后，我们新建一个文件名为：stdint.h，其文件内容如下：

// ISO C9x  compliant stdint.h for Microsoft Visual Studio// Based on ISO/IEC 9899:TC2 Committee draft (May 6, 2005) WG14/N1124 // //  Copyright (c) 2006-2013 Alexander Chemeris// // Redistribution and use in source and binary forms, with or without// modification, are permitted provided that the following conditions are met:// //   1. Redistributions of source code must retain the above copyright notice,//      this list of conditions and the following disclaimer.// //   2. Redistributions in binary form must reproduce the above copyright//      notice, this list of conditions and the following disclaimer in the//      documentation and/or other materials provided with the distribution.// //   3. Neither the name of the product nor the names of its contributors may//      be used to endorse or promote products derived from this software//      without specific prior written permission.// // THIS SOFTWARE IS PROVIDED BY THE AUTHOR ``AS IS'' AND ANY EXPRESS OR IMPLIED// WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF// MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO// EVENT SHALL THE AUTHOR BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,// SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,// PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS;// OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, // WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR// OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF// ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.// ///////////////////////////////////////////////////////////////////////////////#ifndef _MSC_VER // [#error "Use this header only with Microsoft Visual C++ compilers!"#endif // _MSC_VER ]#ifndef _MSC_STDINT_H_ // [#define _MSC_STDINT_H_#if _MSC_VER > 1000#pragma once#endif#if _MSC_VER >= 1600 // [#include <stdint.h>#else // ] _MSC_VER >= 1600 [#include <limits.h>// For Visual Studio 6 in C++ mode and for many Visual Studio versions when// compiling for ARM we should wrap <wchar.h> include with 'extern "C++" {}'// or compiler give many errors like this://   error C2733: second C linkage of overloaded function 'wmemchr' not allowed#ifdef __cplusplusextern "C" {#endif#  include <wchar.h>#ifdef __cplusplus}#endif// Define _W64 macros to mark types changing their size, like intptr_t.#ifndef _W64#  if !defined(__midl) && (defined(_X86_) || defined(_M_IX86)) && _MSC_VER >= 1300#     define _W64 __w64#  else#     define _W64#  endif#endif// 7.18.1 Integer types// 7.18.1.1 Exact-width integer types// Visual Studio 6 and Embedded Visual C++ 4 doesn't// realize that, e.g. char has the same size as __int8// so we give up on __intX for them.#if (_MSC_VER < 1300)   typedef signed char       int8_t;   typedef signed short      int16_t;   typedef signed int        int32_t;   typedef unsigned char     uint8_t;   typedef unsigned short    uint16_t;   typedef unsigned int      uint32_t;#else   typedef signed __int8     int8_t;   typedef signed __int16    int16_t;   typedef signed __int32    int32_t;   typedef unsigned __int8   uint8_t;   typedef unsigned __int16  uint16_t;   typedef unsigned __int32  uint32_t;#endiftypedef signed __int64       int64_t;typedef unsigned __int64     uint64_t;// 7.18.1.2 Minimum-width integer typestypedef int8_t    int_least8_t;typedef int16_t   int_least16_t;typedef int32_t   int_least32_t;typedef int64_t   int_least64_t;typedef uint8_t   uint_least8_t;typedef uint16_t  uint_least16_t;typedef uint32_t  uint_least32_t;typedef uint64_t  uint_least64_t;// 7.18.1.3 Fastest minimum-width integer typestypedef int8_t    int_fast8_t;typedef int16_t   int_fast16_t;typedef int32_t   int_fast32_t;typedef int64_t   int_fast64_t;typedef uint8_t   uint_fast8_t;typedef uint16_t  uint_fast16_t;typedef uint32_t  uint_fast32_t;typedef uint64_t  uint_fast64_t;// 7.18.1.4 Integer types capable of holding object pointers#ifdef _WIN64 // [   typedef signed __int64    intptr_t;   typedef unsigned __int64  uintptr_t;#else // _WIN64 ][   typedef _W64 signed int   intptr_t;   typedef _W64 unsigned int uintptr_t;#endif // _WIN64 ]// 7.18.1.5 Greatest-width integer typestypedef int64_t   intmax_t;typedef uint64_t  uintmax_t;// 7.18.2 Limits of specified-width integer types#if !defined(__cplusplus) || defined(__STDC_LIMIT_MACROS) // [   See footnote 220 at page 257 and footnote 221 at page 259// 7.18.2.1 Limits of exact-width integer types#define INT8_MIN     ((int8_t)_I8_MIN)#define INT8_MAX     _I8_MAX#define INT16_MIN    ((int16_t)_I16_MIN)#define INT16_MAX    _I16_MAX#define INT32_MIN    ((int32_t)_I32_MIN)#define INT32_MAX    _I32_MAX#define INT64_MIN    ((int64_t)_I64_MIN)#define INT64_MAX    _I64_MAX#define UINT8_MAX    _UI8_MAX#define UINT16_MAX   _UI16_MAX#define UINT32_MAX   _UI32_MAX#define UINT64_MAX   _UI64_MAX// 7.18.2.2 Limits of minimum-width integer types#define INT_LEAST8_MIN    INT8_MIN#define INT_LEAST8_MAX    INT8_MAX#define INT_LEAST16_MIN   INT16_MIN#define INT_LEAST16_MAX   INT16_MAX#define INT_LEAST32_MIN   INT32_MIN#define INT_LEAST32_MAX   INT32_MAX#define INT_LEAST64_MIN   INT64_MIN#define INT_LEAST64_MAX   INT64_MAX#define UINT_LEAST8_MAX   UINT8_MAX#define UINT_LEAST16_MAX  UINT16_MAX#define UINT_LEAST32_MAX  UINT32_MAX#define UINT_LEAST64_MAX  UINT64_MAX// 7.18.2.3 Limits of fastest minimum-width integer types#define INT_FAST8_MIN    INT8_MIN#define INT_FAST8_MAX    INT8_MAX#define INT_FAST16_MIN   INT16_MIN#define INT_FAST16_MAX   INT16_MAX#define INT_FAST32_MIN   INT32_MIN#define INT_FAST32_MAX   INT32_MAX#define INT_FAST64_MIN   INT64_MIN#define INT_FAST64_MAX   INT64_MAX#define UINT_FAST8_MAX   UINT8_MAX#define UINT_FAST16_MAX  UINT16_MAX#define UINT_FAST32_MAX  UINT32_MAX#define UINT_FAST64_MAX  UINT64_MAX// 7.18.2.4 Limits of integer types capable of holding object pointers#ifdef _WIN64 // [#  define INTPTR_MIN   INT64_MIN#  define INTPTR_MAX   INT64_MAX#  define UINTPTR_MAX  UINT64_MAX#else // _WIN64 ][#  define INTPTR_MIN   INT32_MIN#  define INTPTR_MAX   INT32_MAX#  define UINTPTR_MAX  UINT32_MAX#endif // _WIN64 ]// 7.18.2.5 Limits of greatest-width integer types#define INTMAX_MIN   INT64_MIN#define INTMAX_MAX   INT64_MAX#define UINTMAX_MAX  UINT64_MAX// 7.18.3 Limits of other integer types#ifdef _WIN64 // [#  define PTRDIFF_MIN  _I64_MIN#  define PTRDIFF_MAX  _I64_MAX#else  // _WIN64 ][#  define PTRDIFF_MIN  _I32_MIN#  define PTRDIFF_MAX  _I32_MAX#endif  // _WIN64 ]#define SIG_ATOMIC_MIN  INT_MIN#define SIG_ATOMIC_MAX  INT_MAX#ifndef SIZE_MAX // [#  ifdef _WIN64 // [#     define SIZE_MAX  _UI64_MAX#  else // _WIN64 ][#     define SIZE_MAX  _UI32_MAX#  endif // _WIN64 ]#endif // SIZE_MAX ]// WCHAR_MIN and WCHAR_MAX are also defined in <wchar.h>#ifndef WCHAR_MIN // [#  define WCHAR_MIN  0#endif  // WCHAR_MIN ]#ifndef WCHAR_MAX // [#  define WCHAR_MAX  _UI16_MAX#endif  // WCHAR_MAX ]#define WINT_MIN  0#define WINT_MAX  _UI16_MAX#endif // __STDC_LIMIT_MACROS ]// 7.18.4 Limits of other integer types#if !defined(__cplusplus) || defined(__STDC_CONSTANT_MACROS) // [   See footnote 224 at page 260// 7.18.4.1 Macros for minimum-width integer constants#define INT8_C(val)  val##i8#define INT16_C(val) val##i16#define INT32_C(val) val##i32#define INT64_C(val) val##i64#define UINT8_C(val)  val##ui8#define UINT16_C(val) val##ui16#define UINT32_C(val) val##ui32#define UINT64_C(val) val##ui64// 7.18.4.2 Macros for greatest-width integer constants// These #ifndef's are needed to prevent collisions with <boost/cstdint.hpp>.// Check out Issue 9 for the details.#ifndef INTMAX_C //   [#  define INTMAX_C   INT64_C#endif // INTMAX_C    ]#ifndef UINTMAX_C //  [#  define UINTMAX_C  UINT64_C#endif // UINTMAX_C   ]#endif // __STDC_CONSTANT_MACROS ]#endif // _MSC_VER >= 1600 ]#endif // _MSC_STDINT_H_ ]

然后把它放到目录：

C:\Program Files (x86)\CommonFiles\Microsoft\Visual C++ for Python\9.0\VC\include\stdint.h 下面。

5、重新配置文件.theanorc.txt。把步骤2(3)中建立的文件：.theanorc.txt 内容改为如下内容：

[blas] ldflags=[global]device = gpufloatX = float32[nvcc]fastmath=Trueflags =-LC:\Anaconda2\libscompiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin #这里是你的VS安装地址[gcc] cxxflags = -IC:\Anaconda2\MinGW

这样就完成了theano的GPU配置了。上面的：

compiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

这个如果你的电脑是装vs2012，那么就把10.0改为11.0。也就是说上面的路径就是你安装的vs所在的目录

6、完整测试。

测试的python代码如下：

from theano import function, config, shared, sandboximport theano.tensor as Timport numpyimport timevlen = 10 * 30 * 768  # 10 x #cores x # threads per coreiters = 1000rng = numpy.random.RandomState(22)x = shared(numpy.asarray(rng.rand(vlen), config.floatX))f = function([], T.exp(x))print f.maker.fgraph.toposort()t0 = time.time()for i in xrange(iters):    r = f()t1 = time.time()print 'Looping %d times took' % iters, t1 - t0, 'seconds'print 'Result is', rif numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):    print 'Used the cpu'else:    print 'Used the gpu'

运行结果如下：

(1)GPU测试

下面是用GPU加速的运行结果：

如上运行结果可知，用gpu进行计算时间差不多是0.68秒左右。如果想切换成只用cpu的测试的话，我是通过更改文件：.theanorc.txt的内容。如果开启gpu，那么.theanorc.txt的内容为：

[blas] ldflags=[global]device = gpufloatX = float32[nvcc]fastmath=Trueflags =-LC:\Anaconda\libscompiler_bindir=C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin[gcc] cxxflags = -IC:\Anaconda\MinGW\include

(2)CPU测试。如果想关闭gpu，进行cpu测试那么就把.theanorc.txt内容改为：

[blas] ldflags=[gcc] cxxflags = -IC:\Anaconda2\MinGW

还有需要重启电脑。不知道有没有更好的在gpu与cpu切换的方法，如果有请不吝指导，因为我这个方法每次都要重启，下面是测试结果图：

测试了结果，只用cpu花了13秒的时间，也就是说对于我的电脑，使用gpu进行加速，这速度提高了近20倍。

本文地址：http://blog.csdn.net/hjimce/article/details/46654229 作者：hjimce 联系qq：1393852684 更多资源请关注我的博客：http://blog.csdn.net/hjimce 原创文章，转载请保留本行信息。

参考文献：

1、http://deeplearning.net/software/theano/install_windows.html#install-windows

2、http://blog.163.com/yuyang_tech/blog/static/216050083201469101518900/

3、http://ihsgnef.github.io/theano-cuda-windows/

附录：

1、在调用theano.test()测试的时候，如果出现：no module name theano 的错误，表明要么没有安装，theano。如果确保已经安装了，那么就是你：高级-》环境变量的路径没有设置好。

上面的环境变量设置：“C:\Anaconda\Lib\site-packages\theano;”查看一下是否有这个目录。比如我另外一台电脑安装的时候，不知怎么回事，theano的安装目录竟然是大写的：Theano，一直不知道错在哪

———————华丽的分割线—————到这里，cuda、theano、gpu加速就结束了————————————————

下面开始配置caffe，这里我的错误比较多，亲们也要多多注意。此处感谢double-vane 的无私奉献

二、win7配置caffe（无GPU）

配置环境：

必须：win7 64 + vs2013

Win7 64位旗舰版要升级到service spack（因为是在vs2013下，想安装vs2013，得将旗舰版升级到Service Pack1），如下图

Vs2013

本人申请的服务器，无GPU，如图：

计算机-属性-设备管理器

（如果你的是NVIDIA，需要下载CUDA，不着急下面先看）

本人python2.7.12（不是安装的anaconda，当然建议安装这个）

Matlab2016a

步骤就是按照happernear大神写的来的（注意：此处我试过，失败了，分割线后是我的方法，后面我会说明我的问题）

中文版安装教程：http://blog.csdn.net/happynear/article/details/45372231

英文版教程：（如果你运行成功，请给happynear大神点赞）

https://github.com/happynear/caffe-windows

现在我再详细的演示一下：

1. 从caffe官方master分支fork过来的源代码：https://www.github.com/happynear/caffe-windows

有大神自己亲手制作的第三方库（是20160510而不是0326的）：

http://pan.baidu.com/s/1eStyfrc

————————————————又是一道分割线，下面开始我的方法——————————————————————

这个版本的caffe-windows，编译后没有build/release/，所以就无法将pycaffe加入环境变量，我在其他地方下载了一个caffe-Windows-master，我猜他们的区别就是版本不同

首先，说一下为什么要另开一条路呢。我按照这个教程的步骤，一步一步的往下走，没有失败，但到了最后一步，import caffe时，

，无法找到caffe，后来找了原因，是没有将pycaffe加入环境变量的缘故。而按照本文的方法，又无法生成pycaffe。好了，解释完毕，下面开始配置（步骤和本文基本一样，继续复制）

我的文件下载地址为：http://pan.baidu.com/s/1mhQlSYO，文件如下：其中文件夹3rdparty里已经加入了include、lib、bin

——————————————下面还是大神登场，按照他的方法安装————————————————————

现在我再详细的演示一下：

1. 从caffe官方master分支fork过来的源代码：https://www.github.com/happynear/caffe-windows

有大神自己亲手制作的第三方库（是20160510而不是0326的）：

http://pan.baidu.com/s/1eStyfrc

2.解压这两个，且将D:\deeptools\3rdparty20160510里面的三个文件夹复制粘贴到D:\deeptools\caffe-windows-master\3rdparty

3. 双击./src/caffe/proto/extract_proto.bat批处理文件来生成caffe.pb.h和caffe.pb.cc两个c++文件，和caffe_pb2.py这个python使用的文件。

4. 如果你的显卡比较老或者没有显卡，请使用./build_cpu_only/MainBuilder.sln。（大家看到我的显卡不是NVIDA的，所有我没有安装CUDA或是CUDNN）

5.现在先要查看且配置一下：

如图中所示对于caffe右击属性，我们看到附加包含目录中有3rdparty/include。

非常的遗憾的是，我这个版本不会自动加载这三个目录，需要手动加，如下图

同时需要在链接器里设置附加目录库（因为我遇到一个错误，“无法加载cudnn.lib”，记得好像是这个错误，搜索后发现文件在这个文件夹里，就给它附加了一个目录库，同类型的错误也可以按照这种方法解决）

然后对libcaffe右击属性，同样添加附加包含目录。

这里只添加了一个include，没有链接器，所以不附加目录库了，如果你在这里遇到了错误，可以试着将报错的文件添加在“附加包含目录”里。下面按照大神的方法，继续下行

如果你要配置matlab接口，请对matcaffe右击属性，将附加包含目录中写入你的matlab安装目录。

如果你要配置你的python接口，将你的python安装目录按图中引入。

然后按图中将自动后面的Debug改为Release，后面win32改为×64，进行编译即按红框内的绿色三角，大约等半个小时。。

出现如下结果：

注意：如果出现图中错误

解决方法：

改为自己的matlab安装目录。。

然后右击重新生成。

查看

出现 caffe_mexw64 即成功，

使用python，再次确认：

要用python的：右击pycaffe生成，结果：

然后查看，出现了_caffe.pyd,成功。

6.接下来进行测试：到 http://pan.baidu.com/s/1mgl9ndu 下载已经转换好的MNIST的leveldb数据文件，解压至./examples/mnist文件夹中，

然后运行根目录下的run_mnist.bat即可开始训练，训练日志会保存在./log文件夹中，以INFO开头，txt格式的日志文件中。

出现以下问题

打开LOG日志查看

解决方法：

打开且修改将GPU改为CPU

又出现了这个问题。。。，自己感觉是在过程中，当时参考了很多，有很多都修改了，所以，我重新加载了原始的example文件夹，然后重新下载了测试的，将其中的

修改

又重新run_minist

在训练中, 要知道minist数据集迭代次数为10000, 如果想要提前结束，不要直接关cmd 要按先Ctrl+Break保存当前工作状态，然后Ctrl+C终止训练。成功！！！

7.matlab接口（用matlab的看这里）

（1）把文件夹。。caffe-windows-master/3rdparty/bin添加到系统环境变量中，如下：

（2）把3rdparty/bin中的dll文件，拷贝到 “caffe-windows-master/matlab+caffe/private“中，如下：

复制粘贴到

（3）matlab测试打开到如下路径

“caffe-windows-master/matlab/demo/classification_demo.m”，

classification_demo.m需要文件bvlc_reference_caffenet.caffemodel，可以到
http://dl.caffe.berkeleyvision.org/
下载，下载后放到“models/bvlc_reference_caffenet/”中；

（4）运行[scores,maxlabel] = classification_demo();

运行结果：

至此matlab配置测试成功。

8.python接口（用python的看这里）

（1）首先我们要注意到https://github.com/happynear/caffe-windows

我们得安装一些python包，需要的包查看下面的requirements（只安装你缺少的，没必要按照这个方案，把本文提到的包全装了）

（2）现在查看一下自己的python都安装好了哪些包，打开菜单-cmd，输入pip list，或是pip freeze

（3）现在安装这些包，下载网址：http://www.lfd.uci.edu/~gohlke/pythonlibs/ 大部分都可以从这里找到

顺序：numpy -> scipy->matplotlib -> scikit-learn,其他不知

建议网址 http://www.cnblogs.com/LiuSY/p/5710652.html

安装numpy：

将numpy.whl下载到python安装目录D:\Python27\Scripts。然后打开cmd，切换到D:\Python27\Scripts，输入pipinstall numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl回车显示successfully install 成功

安装cython：（都是要先从网上下载.whl）