（2021.3更新）Caffe(CPU-only) | vs2015 | 安装与测试

Caffe-CPU安装

由于Caffe已经停止更新将近四年，因此对新显卡和新的CUDA版本不太友好，经过本人的多次调试，Caffe-GPU的安装比较困难。因此，建议先完成Caffe-CPU版本的安装，之后对GPU版本的安装能够起到较大帮助。

Caffe-GPU安装(Cuda10.2+cudnn7.6.5+GTX1650+VS2015)：https://blog.csdn.net/lostcorner/article/details/114834507

配置环境：

• Caffe版本：caffe-windows
• Anaconda，并配置好python3.5的环境（如果需要caffe的python接口）
• Cmake，可以用最新版
• VS2015，社区版可在微软商城免费下载使用

安装步骤：https://blog.csdn.net/adong6561975/article/details/106495446，这篇文章是我能找到的最简洁，最贴近caffe-windows新版本安装特性的文章。

Caffe测试

为了确定caffe-cpu是否安装完成，用mnist数据集完成一次相当于“Hello World"的测试。
注：下文将$Caffe_ROOT标记为caffe根目录。
$Caffe-ROOT/examples/mnist中的.sh文件等是在Linux环境下运行，虽然官方也提供了.ps1的powershell版本，但是实测还是自己重新完成更加方便，同时也可以对caffe进行初步学习。

1.下载mnist，如果打不开，可以去自行搜索下载。
2. 将下载的内容进行解压，并移至$Caffe-ROOT/data/mnist

3.因为Caffe不能直接读取这个格式的数据，所以自己编写一段bat程序，将数据转化为能够被caffe读取的lmdb格式。在根目录下新建一个txt文件，重命名为mnist_data_convert.bat（拓展名需要改变），编辑其中内容。

.\scripts\build\examples\mnist\Release\convert_mnist_data.exe .\data\mnist\train-images.idx3-ubyte .\data\mnist\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb 
echo. 
.\scripts\build\examples\mnist\Release\convert_mnist_data.exe .\data\mnist\t10k-images.idx3-ubyte   .\data\mnist\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb
Pause

在运行mnist_data_convert.bat后，$Caffe-ROOT/examples/mnist中会出现两个文件夹，即表示完成。

4.在$Caffe-ROOT/examples/mnist中找到lenet_solver.prototxt，打开后将最后一行改为CPU。

另外，此处max_iter是最大迭代次数，snapshot是指定的中间迭代次数。这两个值可以修改。

5.在$Caffe-ROOT/examples/mnist中找到lenet_train_test.prototxt，将

examples/mnist/mnist_test_lmdb
改为
./examples/mnist/mnist_test_lmdb

examples/mnist/mnist_train_lmdb
改为
./examples/mnist/mnist_train_lmdb

6.在根目录新建train_mnist.bat，输入

.\scripts\build\tools\Release\caffe.exe train --solver=.\examples\mnist\lenet_solver.prototxt
pause

运行train_mnist.bat后即可开始训练。

训练结束后在$Caffe-ROOT/examples/mnist可以找到以下四个文件，即训练好的模型。

完成！

====================================================
如需Caffe-GPU版本，请看https://blog.csdn.net/lostcorner/article/details/114834507