win7（64位）+VS2013+CUDA7.5+caffe 环境配置

对于有一定C++编程经验却没怎么碰过Python的人来说，要想学习deep learning，估计首选caffe。而且微软提供的官方Windows版本的caffe极大简化了配置的步骤。本教程是对我自己搭建caffe环境的过程的整理。

目前网上的教程已经比较多，但是对于新手小白来说，有点看花眼，而且已有的blog赶不上软件和库的更新速度，很多已经过时了。反观我配置caffe的过程，并不是那么困难，出的问题也比较少。所以梳理一下，作为参考。

本文首先默认是win7系统，配有NVIDIA的显卡（高端点的显卡更好），且已安装好VS2013。然后下载3个安装包分别为：

CUDA，官方地址：CUDA下载。里面有一步一步的提示，最后我是选择local安装，然后会下载一个900+M，的exe文件到本地。我装的CUDA7.5。
cuDNN，官方地址：cuDNN下载。会先让注册，那就注册。然后我下的5.1版本。
caffe，官方地址：caffe官网。里面有一些caffe的教程。下载地址：Windows-caffe下载，特别注意这里是Windows版本的Caffe，比通用版本的caffe配置起来省了一些操作。
                                                                                                                                                                                                                                                 
安装：
先装CUDA，一路默认下去，没有选择自定义安装，因为也不太了解各部分都是干什么的，所以就全都装了。安装过程等待时间挺长的。
解压cuDNN。得到include，lib，dll三个文件夹，将里面的内容分别复制到环境变量中CUDA所在位置的同名文件夹中。我的是在系统盘的ProgramData文件夹里的NVIDIA GPU Computing Toolkit 文件夹中。
解压caffe。打开windows文件夹中的Caffe.sln文件。将该文件夹中的CommonSettings.props.example改名为CommonSettings.props，由此代替原本的CommonSettings.props（原来的删除，反正也打不开）。然后参考这篇blog的第5条，将libcaffe设为启动项，编译生成（要等较长时间）。这里可能出现的错误，通常是math_function.cpp的编码错误在上面那篇blog中也有解释。然后将启动项改为caffe，再编译，也要等较长时间，出现console对话框，生成了caffe.exe就表示编译成功了。
Python和MATLAB接口我还没有配，配时出了问题再说吧。

测试：

打算用MNIST数据集测试，我还没试，网上的教程有很多。。。

下一步学习：

以caffe的官网为主，了解其的数据结构。算法上按照Stanford CS231的教程走。

参考到的blog：http://blog.csdn.net/xzzppp/article/details/51510785