Win10上编译Caffe之Libcaffe，运行mnist案例

参考：http://www.cnblogs.com/cxyxbk/p/5902034.html

最初的想法是动手熟悉Caffe,考虑到Vmware实在太卡，所以考虑在windows环境的笔记本上进行操作。

前期准备：1.VS 2013   2. windows版的Caffe（https://github.com/BVLC/caffe/tree/windows），直接下载即可。

Caffe安装：

Step1

将Caffe从GitHub上下载后解压缩，将./windows中的CommonSettings.props.example文件复制到本文件夹中，然后删除example得到CommonSettings.props文件，如图所示

如果不这么做，在VS中将打不开CommonSettings.props.example文件。

Step2

修改CommonSettings.props文件。根据自己的需求修改状态，比如我自己笔记本上无GPU，就在对应的地方设置位False；相应的，我只能用CPU，那就改成True；Matlab和Python的接口是否使能（Enabled）也在这里设置。

可能会出现的问题：libcaffe和test_all加载失败；解决办法：从第一步开始，重新解压压缩包。

Step3

生成解决方案，下载第三方库。

点开./windows中的caffe.sln,右键解决方案“caffe”,点击生成解决方案

这时候，会弹出一个框，表示正在在下第三方库，里面包括openCV之类的库，下载完后可以发现

会出现的问题：生成解决方案失败，提示说无法打开libcaffe.lib之类的error。解决方法是直接对libcaffe重新生成，或者直接生成一次

接着会出现的问题：没有生成object文件；解决办法：双击此错误，保存弹出来的框，然后再对libcaffe“重新生成一次”

最后会提示解决方案生成成功了

Step 4

设置属性

Step5

运行caffe.cpp，按ctrl+F5进行编译

出现了这种状况：

解决办法是重启电脑

出现下面的窗口说明编译成功

mnist测试

可以参考http://blog.csdn.net/qq_14845119/article/details/52415090

mnist测试：

下面通过一个一个最简单的网络结构lenet来对刚才安装的caffe进行测试。

（1）去官网http://yann.lecun.com/exdb/mnist/下载mnist数据集。下载后解压到E:\caffe\data\mnist，如下图所示。

（2）在caffe根目录下，新建一个create_mnist.bat，里面写入如下的脚本：

.\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_train_lmdb\train-images.idx3-ubyte .\data\mnist\mnist_train_lmdb\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb

echo.

.\Build\x64\Release\convert_mnist_data.exe .\data\mnist\mnist_test_lmdb\t10k-images.idx3-ubyte .\data\mnist\mnist_test_lmdb\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb

pause

然后双击该脚本运行，即可在E:\caffe\examples\mnist下面生成相应的lmdb数据文件。

（3）修改E:\caffe\examples\mnist\lenet_solver.prototxt，将最后一行改为solver_mode:CPU，

修改E:\caffe\examples\mnist\lenet_train_test.prototxt，如下所示，左面为原始的，右面为修改后的。

（4）在caffe根目录下，新建train_mnist.bat，然后输入如下的脚本，

.\Build\x64\Release\caffe.exetrain --solver=.\examples\mnist\lenet_solver.prototxt

pause

然后双击运行，就会开始训练，训练完毕后会得到相应的准确率和损失率。

需要注意的是：

1.将他们都下载下来，在./data/mnist中建立两个文件夹分别装好

2. 写脚本语言是应核对好路径是否正确，要用自己的路径，不能照抄作者的。

3. 如果只用CPU，网络训练时间在一小时左右（可能是我笔记本配置低）