Caffe是深度学习的框架之一，深度学习的框架有很多比较流行的有TensorFlow、Keras和本文将要提到的Caffe等等。Caffe可能不是最好的深度学习架构，但是在某些领域它却表现的很好。
下面是几篇关于深度学习架构比较的博客：
http://www.cnblogs.com/xinbaby829/p/6949777.html
http://www.admin5.com/article/20170221/719015.shtml
Caffe在win下环境的搭建是比较棘手的一个问题，下面介绍下如何在win10下搭建Caffe环境。
一、所需工具
系统：WIN10
软件：VS2013 (http://download.csdn.net/download/u012005313/9926270)
Python2.7 (https://www.python.org/getit/)
CUDA8.0 (https://developer.nvidia.com/cuda-downloads)
CUDNN5.1 (https://developer.nvidia.com/cudnn)
依赖包：(http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy)
代码：caffe源码 (https://github.com/Microsoft/caffe)
二、安装软件
分别安装VS2013、Python2.7、CUDA8.0(安装到默认位置)、CUDNN
注意：
1、 将(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions)目录下的4个文件
拷贝到(C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations)目录下
2、设置环境变量
CUDA安装过程中会检测和适配系统，并将库文件添加到环境变量，下面还需要讲Python添加到环境变量（方便后续编译pycaffe）
下面检测一下python是否安装成功，在命令行输入python，如果有如下显示则表示python安装成功。
最后还需要将VS2013添加到环境变量里面。
三、Caffe源码的编译
在Git上下载源码，让后解压到自定义的文件夹下，然后进入到caffe-master/windows下，将CommonSettings.props.example拷贝一份，修改名字为CommonSettings.props
这个是caffe的配置文件，然后用VS2013打开Caffe.sln
初次导入会出现libcaffe和test_all导入的失败，这是因为配置文件里面用到的CUDA7.5而我们安装的是8.0,讲配置文件CUDA的版本修改为8.0即可。
既然支持了python，那么还需要将python的安装路径添加到配置文件
在这个配置文件中，我们还可以选择是否只使用CPU编译，以及是否支持matlab等功能，这个可以根据需求自己修改。配置文件修改好后，关闭解决方案重新打开。
接下来我们还需要将设置各个项目的版本，版本Release，平台X64，解决方案--->右键属性---->配置属性---->配置 ---->配置管理器
然后将每个项目都设置警告不视为错误。项目---->右键属性 ----->配置属性 ---->C/C++---->常规
还有一点也是很重要的一点，caffe环境的搭建就是主要是为了进行图片分类以及训练caffemodel，如果不编译caffe对python的接口支持，那么就只能对数据进行处理，不能利用图片训练model（如果不编译pycaffe，后期import caffe可以通过，但是caffe.io.load_image等好多接口都不会报Caffe没有该属性。嗯，这都是痛的领悟）因此还需要对caffe和python的链接器进行设置，需要链接到python2.7/libs
在这个解决方案中需要同时对caffe和pycaffe都进行链接库设置。接下来就是将caffe设置为启动项，然后开始编译，第一次编译会在该源码所在位置下载一些依赖库(NugetPackages)，时间会有点长，请耐心等待。
编译成功后会在..\caffe-master\Build\x64\Release生成
在pycaffe下会生成
然后将该caffe文件拷贝到python2.7的安装目录的C:\Python27\Lib\site-packages下，最后就可以用测试.py文件进行测试了，对.py文件进行编译的过程需要什么
依赖文件都可以用pip install xx来安装，如果网速好的话可以直接pip install 安装，不好的话可以pip install （下载好的whl文件，下载whl的网站上面已经提到过）。
最后：祝好运
后面的文章我会介绍测试mnist、如何生成caffemodel和如何利用生产的caffemodel进行图片分类。