win10+vs2013+cuda8.0+caffe

1，首先說下環境和配置

配置：

環境：windows10，vs2013 community，cuda8.0，caffe，cudnn4
注意：先要安裝好顯卡驅動（個人顯卡是1070），這裏的例子只開通了matlab接口，須要用python能夠安裝anacoda並打開python接口。

2，準備文件

例子中用的文件：連接：http://pan.baidu.com/s/1hsBNI3i 密碼：cynd
注意一：處理cudnn有兩種方式，其一是在vs的屬性文件中給出目錄；另外一是將cudnn的文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0的相應目錄中；這裏我用的是第二種方式。
注意二：解壓出來的caffe-master應該有兩層目錄名字都是caffe-master，第一次編譯的時候我直接去掉了一層，（由於個人小小強迫症），可是發現其實程序會在第一層caffe-master的下面新建一個NugetPackages文件夾來放置第三方庫，因此實際上這裏不要去掉其中一層caffe-master目錄。
注意三：先編譯libcaffe，再編譯caffe，最後須要什麼工程就編譯哪一個，編譯過程當中的錯誤會以後找個時間寫一篇專門的博客。

3，測試mnist

須要下載的四個訓練和測試數據已經在前面的分享文件夾中，下載便可；
轉化數據格式到lmdb，用的是python代碼，注意代碼應該放在Build同目錄下：

import os
import shutil
EXAMPLE='examples\mnist'
DATA='data\mnist'
BUILD='Build\x64\Release'
BACKEND='lmdb'
print "Createing "+BACKEND+"..."
path1=EXAMPLE+"\mnist_train_"+BACKEND
path2=EXAMPLE+"\mnist_test_"+BACKEND
if os.path.exists(path1):
shutil.rmtree(path1)
if os.path.exists(path2):
shutil.rmtree(path2)
s1=BUILD+"\convert_mnist_data.exe"
s2=DATA+"\train-images.idx3-ubyte"
s3=DATA+"\train-labels.idx1-ubyte"
s4=EXAMPLE+"\mnist_train_"+BACKEND
s5="--backend="+BACKEND
cmd=s1+" "+s2+" "+s3+" "+s4+" "+s5
print cmd
os.system(cmd)
t1=BUILD+"\convert_mnist_data.exe"
t2=DATA+"\t10k-images.idx3-ubyte"
t3=DATA+"\t10k-labels.idx1-ubyte"
t4=EXAMPLE+"\mnist_test_"+BACKEND
t5="--backend="+BACKEND
cmd=t1+" "+t2+" "+t3+" "+t4+" "+t5
print "cmd2="+cmd
os.system(cmd)

執行該代碼後，會在examples\mnist下面出現兩個文件夾，mnist_test_lmdb和mnist_train_lmdb；
寫批處理文件來運行測試mnist：
Build\x64\Release\caffe.exe train --solver=examples\mnist\lenet_solver.prototxt
Pause
運行過程截圖：

上圖就能看到測試程序的結果，正確率等參數。祝成功，有問題留言！