Windows 7 64位 显卡GTX 1060的Caffe配置和编译（vs2013+CUDA8.0）

1.安装 VS 2013

VS2013下载地址：https://pan.baidu.com/s/1lCAEuVFszpqp_qD5YL4rbg 提取码: 9x3d 

2.安装CUDA 8.0和cuDNN

在windows上使用深度学习框架caffe分为CPU和GPU两种运行模式，CPU运行很慢，GPU可以进行加速处理。若电脑显卡版本不支持GPU，也可以跳过此步骤，直接进行其它配置。

CUDA是显卡厂商NVIDIA推出的运算平台，帮助GPU解决复杂计算问题，若使用GPU运行caffe则需要安装CUDA。我安装的是CUDA8.0版本。

CUDA8.0下载地址：https://pan.baidu.com/s/16TSG3sOiCOU6OiBO5cqmCg 提取码: keub

下载后按步骤安装即可。

cuDNN是用于深度神经网络的GPU加速库。与CUDA8.0对应的版本是cuDNN5.0。

cuDNN5.0下载地址：https://pan.baidu.com/s/1e3fGxRY60rDbFbodzSj9Sg 提取码: ag9d

                                      或在CSDN上下载https://download.csdn.net/download/panhong1992/10814256

下载后解压缩，将得到三个文件夹：

将这三个文件夹复制到CUDA的安装目录下，例如我的安装目录如下：

3.编译caffe

首先下载caffe包caffe-windows

下载地址：https://pan.baidu.com/s/1lPPzOngqJa5oR_nyEzPqFw     提取码: qb33 

下载后解压缩即可：

打开windows文件夹可以看到解决方案.sln和配置文件.props：

用notepad或者记事本打开CommonSettings.props作如下修改：

接着用VS2013打开Caffe.sln，先生成libcaffe工程：

第一次生成libcaffe的过程中会自动下载许多附加依赖包在与caffe-windows同一目录下，因此耗时较长，我第一次编译libcaffe大概耗时30min。

NugetPackages文件夹下自动下载的依赖包：

libcaffe生成成功后会在caffe-windows文件夹下多出来一个build文件夹，包含libcaffe的生成结果：

我是用debug模式编译的，所以生成的东西都在debug文件夹下：

接着编译caffe的或者其他工程，编译成功后将在上图Debug文件夹下生成相关.exe程序：

到这里就成功完成了caffe在windows系统下的环境配置和编译。

4.出现过的问题

（1）一开始安装的是cuda7.5+cuDNN 4.0版本，也正常配置和编译了，但用cifar10和mnist数据集进行训练时发现使用CPU训练一切正常，使用GPU训练时test accuracy只有0.1，test loss维持在2.3左右，非常不正常。换了CUDA和cuDNN版本后就正常了。但.props中相应的cuda版本信息要进行修改。

若使用更新版本的cuda和cudnn编译出现与旧版caffe的冲突，则可做如下改动：

• 用最新caffe源码中的这个文件替换掉原来caffe对应文件

        include/caffe/util/cudnn.hpp

• 用最新caffe源码的include/caffe/layers/目录下以下cudnn_开头的文件替换掉原有文件，如cudnn_relu_layer.hpp、cudnn_relu_layer.cu等

然后重新编译，若出现无法解析的外部符号cudnnConvolutionBackwardData_v3问题则将原来caffe中的 src/caffe/layers/cudnn_conv_layer.cu 文件中的所有

cudnnConvolutionBackwardData_v3 函数名替换为 cudnnConvolutionBackwardData
cudnnConvolutionBackwardFilter_v3函数名替换为 cudnnConvolutionBackwardFilter

在vs中保存一下做了更改的文件，然后重新编译就没问题了。

（2）很多安装教程上说cuDNN 5.1版本适用于CUDA8.0，我安装后发现可以正常编译，但训练时caffe.exe崩溃，查错发现问题出在cudnn64_5.dll上，更换成cuDNN 5.0的cudnn64_5.dll后重新编译就没问题了。