CAFFE FOR WINDOWS安裝與配置
參照github上happynear的caffe-windows項目，将Caffe for Windows配置成功，并且測試了其轉換好的mnist資料庫，不論是速度還是結果上，效果都相當好。現總結一下配置方法。
實驗環境
| 作業系統 | Windows 10 Professional |
|---|---|
| CPU | Intel Core i5-4590 |
| GPU | Nvidia GeForce GTX 970 |
| VS | Microsoft Visual Studio 2013 |
| CUDA | CUDA 7.5 |
軟體安裝
首先需要安裝Visual Studio 2013。
然後再安裝CUDA 7.5。注意先後順序。
配置
下載下傳整個的caffe-windows項目，解壓縮到所需目錄下，例如本文中 D:\caffe。
下載下傳作者制作的三方庫并解壓縮到項目的3rdparty目錄。解壓好後，将3rdparty/bin檔案夾加入到環境變量PATH中，這樣程式才能找到這些三方dll。
編譯
- 輕按兩下./src/caffe/proto/extractproto.bat批處理檔案來生成caffe.pb.h和caffe.pb.cc兩個c++檔案，和caffepb2.py這個python使用的檔案。
- 打開./buildVS2013/MainBuilder.sln，打開之後切換編譯模式至Release X64模式。
- 修改設定中的compute capability（caffelib –> 屬性 –> CUDA C/C++ –> Device –> Code Generation）
| GPU | Computer Capability |
|---|---|
| GTX660, 680, 760, 770 | compute_30,sm_30 |
| GTX780, Titan Z, Titan Black, K20, K40 | compute_35,sm_35 |
| GTX960, 970, 980, Titan X | compute_52,sm_52 |
你可以在https://en.wikipedia.org/wiki/CUDA上檢視你的GPU所對應的Computer Capability。
點選工具欄綠色箭頭進行編譯，需要一定時間。
測試
下載下傳作者已經轉換好的MNIST的leveldb資料檔案，解壓到./examples/mnist檔案夾中，然後運作根目錄下的run_mnist.bat即可開始訓練，日志會儲存在./log檔案夾中。可看到，疊代10000次，準确率達到了0.9925。