caffe windows编译成功后，就可以开始进行测试了。如果还没有编译成功的，请参考：caffe windows 学习第一步：编译和安装（vs2012+win 64)

一般第一个测试都是建议对手写字体minist进行识别。这个测试放在根目录下的 .\examples\mnist\ 文件夹内。

1、下载数据。程序本身不带测试数据，需要去下载，测试数据为leveldb格式。你可以直接双击运行“get_mnist_leveldb.bat”  这个脚本自动下载数据，但一般都不成功，可能里面的网址被墙了。你可以直接到此下载：http://pan.baidu.com/s/1hry1f4g

下载好后直接解压，得到两个文件夹（mnist-train-leveldb和mnist-test-leveldb），将这两个文件夹直接复制到 .\examples\mnist\  目录下。

2、修改配置文件。该目录下prototxt扩展名的都是配置文件。我们只需要修改lenet_solver.prototxt，用vs2012打开（也可以用记事本打开，但格式混乱，看不清楚），定位到最后一行：solver_mode: GPU，将GPU改为CPU。 如果你有GPU，这一步就可以免了。

3、运行。直接双击文件“train_lenet.bat”就开始运行了，很简单吧。

但是原理是什么呢？  打开“train_lenet.bat”这个文件看看：

copy ..\\..\\bin\\MainCaller.exe ..\\..\\bin\\train_net.exe

SET GLOG_logtostderr=1

"../../bin/train_net.exe" lenet_solver.prototxt

pause

这个脚本程序其实很简单，只有四行：

第一行：将根目录下的bin文件夹里面的MainCaller.exe复制一份，并重命名为train_net.exe

第二行：设置glog日志。glog是google 出的一个C++轻量级日志库，介绍请看 glog

第三行：运行train_net.exe，并带一个参数lenet_solver.prototxt（即我们刚才修改的配置文件）

第四行：测试完后，暂停。

MainCaller.exe是整个程序的入口，由它来调用其它的测试。我们打开对应的MainCaller.cpp文件（examples目录下），发现只有这么一行代码：

#include "../../tools/train_net.cpp"

即是去调用执行train_net.cpp文件。

打开打tools下的train_net.cpp，熟悉的main函数就出来了

#include <cuda_runtime.h>

#include <iostream>

#include <cstring>

#include "caffe/caffe.hpp"

using namespace caffe;  // NOLINT(build/namespaces)

int main(int argc, char** argv) {

  ::google::InitGoogleLogging(argv[]);  //用第一个参数来初始化日志

  ::google::SetLogDestination(, "../tmp/");   //将日志放入/tmp/文件夹下

  if (argc <  || argc > ) {

    LOG(ERROR) << "Usage: train_net solver_proto_file [resume_point_file]";

    return ;

  }

  SolverParameter solver_param;  //创建测试参数对象

  ReadProtoFromTextFileOrDie(argv[], &solver_param);  //读取具体的参数配置 

  LOG(INFO) << "Starting Optimization";   //打印日志信息

  SGDSolver<float> solver(solver_param);  //开始优化

  //根据调用时，是否带第三个参数，进行不同的测试

  if (argc == ) {

    LOG(INFO) << "Resuming from " << argv[];

    solver.Solve(argv[]);

  } else {

    solver.Solve();

  }

  LOG(INFO) << "Optimization Done.";  //优化结束，打印日志信息

  return ;

}

整个minist手写数字识别过程需要迭代10000次，识别精度会有99%以上。

如果你只是想看看caffe是否编译成功，不需要迭代那么多次，你可以修改lenet_solver.prototxt配置文件，定位到max_iter: 10000这一行，修改成你想要的迭代次数就行了。

我迭代1000次的结果如下：

屏幕上显示的这些，都是打印的glog日志信息，从左至右大致是：日期 时间 执行文件] 执行信息