Windows系统下VS2013+caffe的安装

笔者作为一名深度学习小白，今日开始打算入门caffe框架。而caffe的安装过程没想到出现各种问题，虽参考众多博客，均未完美解决，故集众家所长，贴上一文，希望帮助和我一样的新手。笔者环境为win10+vs2013。本文尤其感谢http://blog.csdn.net/tina_ttl/article/details/51722983，并在此基础上略有补充。
其实win7，win8，win10系统均可，而vs建议2013版本，笔者在vs2015版上未安装成功，而众多博主大多也反应vs2015安装问题众多。

一. 安装文件准备
1.1 visual studio 2013安装
1.2 CUDA8.0下载 https://developer.nvidia.com/cuda-toolkit-archive
笔者此时（2016/10/8）仅能在官网下载Cuda8.0，故不采用其他诸如6.5，7.0，7.5之类的老版本。
1.3 windows版本caffe下载 https://github.com/Microsoft/caffe
此版本为微软官方制作版本，推荐！
1.4 cuDNN下载 https://developer.nvidia.com/cudnn
这里为笔者所用为CuDNNv5,在官网需要注册邮箱才能下载
1.5 Python2.7安装
1.6 Matlab安装 笔者所用为2014a版本

二. 第一步完成的话，vs2013、Python2.7、MATLAB、CUDA8.0想必以安装好，而caffe和cudnn下载 文件解压后会是两个文件夹caffe-master和cuda，笔者解压在D:\Program Files\caffe路径中。接下来，打开caffe-master文件夹,然后看到一个windows文件夹,然后继续打开windows文件夹,看到里面一个CommonSettings.props.example文件,复制一份,并改名字为CommonSettings.props。

然后用VS2013打开Caffe.sln(就到刚刚那个文件夹里面)，准备修改配置文件。

三.打开CommenSetting.probs.即配置文件。

例子中所有配置参数都是默认值

CpuOnlyBuild：是否使用CPU

默认值为False（即使用GPU编译）
如果本机没有配置好CUDA，那么，该值应该赋值为True；
如果本机已经配置好CUDA，并且需要编译CUDA版本的caffe，那么，该值应该赋值为True、
UseCuDNN：是否使用CuDNN

默认值为True；
如果本机没有配置好CUDA，那么，该值应该赋值为False；
注意：CpuOnlyBuild和CuDNN不能同时为True；
如果这里设置为True，那么还需要对赋值，即下载的CuDNN的路径
CudaVersion：CUDA的版本

PythonSupport：是否支持python

默认值为False，即后续不编译pycaffe；
如果需要编译pycaffe，那么该值设置为True
如果这里设置为true，那么还需要对 C:\Miniconda2\赋值
上面的值是默认的，应该修改为本机的python安装路径，也就是python.exe所在路径，例如，本机安装的python，路径如下：D:\Program Files\Python27，那么，应该令 D:\Program Files\Python27

MatlabSupport：是否支持matlab

默认值为False；
如果需要编译matcaffe，那么该值设置为True
如果该值设置为true，那么还需要对C:\Program Files\MATLAB\R2014b进行赋值：
上面的路径是默认的，需要更改为本机的matlab安装目录，例如，本机的matlab安装路径如下：D:\Program Files\Matlab 2014a\setup，那么，D:\Program Files\Matlab 2014a\setup

注：对cuDNN路径的配置有两种方案：
- 方案1：将cuDNN v4的压缩包内的bin、include、lib中的文件分别放置在%CUDA_PATH% （即cuda的安装路径）的相应目录中
- 方案2：将 .\windows\CommonSettings.props文件中的CuDnnPath设置为该解压缩路径，例如，将cuDNN解压后文件放置在D:\Program Files\caffe\cuda中，那么，在CommonSettings.props中，令D:\Program Files\caffe\cuda，即上面提到的方法。

四.编译caffe,特别注意项目的编译顺序!(笔者觉得debug或release均可)
编译前先加入如下一步

1、首先编译libcaffe项目（其他的项目依赖于libcaffe项目）。会还原NuGet包，即从网络下载编译需要的各种依赖包，经过一段时间等待后，编译成功 。
这里可能会出现几个问题：
（1）编译过程中，可能会出现错误。提示“error C2220: 警告被视为错误 - 没有生成“object”文件”，这是由于微软NuGet回来的boost库中的format\alt_sstream_impl.hpp文件编码格式导致的，只需要双击错误打开该文件并保存，再编译就顺利通过了。
（2）caffe编译过程中，需要一些依赖包，在有网络的情况下，当编译第一个项目libcaffe时，程序会自动从网路下载这些依赖包，下载到与caffe-windows文件夹同级的NugetPackages文件夹中，但在没有网络情况下，需要事先将这些依赖包下载好，并将它们的路径在vs的管理NuGet程序包中进行设置：工具->选项->NuGet Package Manager->程序包源->利用右侧的加号添加本地的package 。手动添加这些package地址后，还需要手动对这些NuGet Package进行安装 。
2、编译caffe项目
3、编译pycaffe。笔者在编译时提示缺少python27_d.lib，这时可以将Python安装目录libs文件夹中的python27.lib复制一份，重命名为python27_d.lib即可。再修改Python安装目录include文件夹中的pyconfig.h文件，将#define Py_DEBUG一行注释掉。
4、编译matcaffe。笔者在编译时提示找不到”gpu/mxGPUArray.h”，此时在，在MATLAB中搜索才发现，这个头文件在D:\Program Files\Matlab 2014a\setup\toolbox\distcomp\gpu\extern\include路径下，而matcaffe并不包含该路径，故在右键属性—VC++目录—-包含目录中手动添加该路径，编译成功。
5、编译其他项目
接下来，再依次编译其他项目，同样的方法
classification：用来分类
compute_image_mean：计算均值
convert_cifar_dat：对cifat数据集进行转换
convert_mnist_data：对mnist数据集进行转换

五、运行caffe.cpp，直接双击打开caffe.cpp，然后ctrl+f5直接编译，出现如下命令窗口说明编译成功

至此，vs2013+cudnn+微软官方移植caffe已经编译成功！
笔者也试过另外一种方案，用大神制作的Windows-caffe包，内含第三方库，无需自己下载cudnn ，虽然省事，但是笔者并未在此方案下编译成功，若有兴趣的朋友可以尝试此方案，方法如此http://blog.csdn.net/muyouhang/article/details/50688038。

接下来，就可以开始真正学习caffe框架咯~~~