一 安装CUDA
- 下载地址：https://developer.nvidia.com/cuda-downloads
- 找到相应的版本下载 ，我的是win10，64bit，cuda10。安装好后部CUDA的安装目录的bin和lib/x64地址添加到Path环境变量中。
二安装cuDNN
- 下载地址：https://developer.nvidia.com/rdp/cudnn-download
- 下载对应版本，解压后把bin,include,lib中的文件拷贝到CUDA的安装路径中，我的路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
-
把C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v10.2\extras\CUPTI\libx64里面的cupti64_80.dll复制到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin路径中
三安装caffe
- 下载地址：https://github.com/Microsoft/caffe
- 解压下载好的zip包到caffe-window文件夹下，把安装cudnn时的ucda文件夹一同复制到caffe-window中。
- 进入caffe-master\windows中，复制CommonSettings.props.example文件，命名为CommonSettings.props。
- 用visual studio 打开文件夹中的caffe.sln。设置libcaffe为启动项目。如果li‘bcaffe和testall加载出现问题，就打开CommonSettings.props修改其中<CudaVersion>为自己的版本，比如我的是10.2。再重新打开caffe.sln，就能成功。
- 右键libcaffe 属性-c/c++/关闭是警告为错误。
- 开始编译生成ctrl+f5，选择的编译方式是release，平台是x64，如果是debug就可能会出错。如果出现了error MSB3721的错误，可能是因为too few arguments造成的。找到错误的函数，比如我的是cudnnSetConvolution2dDescriptor函数，最后少了一个参数，参数为浮点类型的宏，加入这个参数，即参数最后加入CUDNN_DATA_FLOAT，即可。
- 项目生成成功后，在caffe目录会生成NugetPackages文件夹，里面是自动下载的一些依赖库。而caffe-master路径中也会生成Build文件夹，进入Build\x64\Release中，以后编译成功和运行需要的文件都在这里。
- 同样的方法编译caffe和pycaffe。
四测试caffe
- 同样的方式编译convert_mnist_data。下载mnist数据集，地址：http://yann.lecun.com/exdb/mnist/
- 把下载解压好的文件放在caffe-master\data\mnist中，在caffe-window文件夹下新建mnist_data_convert.bat文件用来转换mnist数据，在该文件中添加以下命令：
Build\x64\Release\convert_mnist_data --backend=lmdbdata/mnist/train-images.idx3-ubyte data/mnist/train-labels.idx1-ubyteexamples/mnist/mnist_train_lmdb Build\x64\Release\convert_mnist_data --backend=lmdbdata/mnist/t10k-images.idx3-ubyte data/mnist/t10k-labels.idx1-ubyteexamples/mnist/mnist_test_lmdb Pause
保存bat文件并运行，就可以转换mnist数据成caffe能够读取的形式。
- 在caffe-window下新建mnist_test_run.bat.bat文件，添加：
Build\x64\Release\caffe.exe train--solver=examples/mnist/lenet_solver_adam.prototxt pause保存并运行，如果成功运行，说明caffe安装成功。