去年下半年看了相关目标检测的论文，一些传统的算法，一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比较前沿的进展，主要都是基于深度学习卷积神经网络方面的，包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD，然后明天准备正式开始搞学术了，争取早点把论文发出来。
趁着放假回家的时间，做点前期准备工作，深度学习方面的框架有caffe，torch，mxnet，kerse，还有最近比较大热的TensorFlow，感觉tf会持续popular，所以准备搭建一个玩玩，但是相关比较新的目标检测框架都是首先基于caffe开发的，caffe对于图像方面的库比较多，稳定，所以搭建一个caffe也是必不可少，好像tf也是可以调用caffe框架模型的（没用过）。
装双系统之step one：http://blog.csdn.net/jasonzhangoo/article/details/54865974
装显卡驱动之step two（很多同学都是因为这步而放弃深度学习的）：http://blog.csdn.net/jasonzhangoo/article/details/54866049
Ubuntu16.04下安装caffe和TensorFlow的cpu版本之step three：http://blog.csdn.net/jasonzhangoo/article/details/54866074
Win10下安装caffe的GPU版本之step four：http://blog.csdn.net/jasonzhangoo/article/details/54866120
windows安装配置faster-rcnn之step five：http://blog.csdn.net/jasonzhangoo/article/details/54866174
Win10下安装caffe的GPU版本之step four：
我是在win10+GTX950m+VS2013,matlab接口我是matlab2016a，Python接口我是pycharm5.0.3
1 . 安装 Python 环境
这里我选择的是 Anaconda2
打开 Anaconda2 下载地址，选择Anaconda2-4.1.1-Windows-x86_64.exe
下载完毕后双击运行 Anaconda2-4.1.1-Windows-x86_64.exe
可以选择安装路径
2 . 下载 Caffe
打开 Caffe 下载地址，点击 Clone or download-> Download ZIP
解压缩，打开到 caffe-master/caffe-master/windows 文件夹
复制CommonSettings.props.example 文件，并把复制好的文件重命名为CommonSettings.props
用 VS2013 打开 Caffe.sln 文件，点击右边的 CommonSettings.props，查看你的 cuDNN 支持的版本
3 . 安装 CUDA 和 cuDNN 打开 CUDA 下载地址，拉到下方点击 DOWNLOAD
选择 Windows-x86_64-10-exe，如果你的操作系统是别的版本，请在 Version 里进行选择
下载后点击运行，安装路径请选择默认路径
打开 cuDNN 下载地址，点击 Download，下载前需要先注册
注册完成后，下载 cuDNN v4 或者 cuDNN v5 (这取决于 CommonSettings.props 文件里标注支持的版本，建议选择 cuDNN v4 Library for Windows，虽然是for CUDA7.0)
4 . 编译前准备
打开到 caffe-master/caffe-master/windows 文件夹，用 VS2013 运行 Caffe.sln 文件
这里右边会显示libcaffe (加载失败)，解决的步骤：
1） 打开 CUDA 安装路径中的MSbuildExtensions 文件夹，如果你在之前安装时选的是默认路径，那么它应当在 c 盘 / Program File/NVIDIA GPU CpmputingToolkit/CUDA/8.0/extras/visual_studio_integration 里
2） 拷贝MSbuildExtensions 文件夹中的所有文件，复制到 C 盘 / Program File(x86)/MSBuild/Microsoft.Cpp/v4.0(这里取决于你安装的版本)/V120/BuildCustomizations文件夹下，替换目标中的文件
3）点击 VS2013 里右边的CommonSettings.props 文件
第七行cpuonlybuild如果true就是cpu版本，false就是gpu版本，gpu版本下面第八行要使用cudnn改为true，cuda的版本改为我们的版本8.0，如图。
下面的Pythonsupport和matlabsupport就是选择支持哪些接口，这里我Python和matlab中都需要用到，两个都改为true。
第 24 行改为你的 cuDNN 的解压文件中 cuda 文件夹的路径
第 48 行改为 Anaconda2 的安装文件夹
第53行改为你的matlab的安装文件夹位置，55行增加$(SolutionDir)..\include\caffe\proto;$(CUDA_PATH)\include不然后面编译的时候回出现关于gpu的问题
在键盘上Control + S保存，关闭VS2013后重新打开Caffe.sln文件，这时libcaffe应当加载成功
5. 编译 Caffe
打开 Caffe.sln 文件，选择调试 -> caffe 属性
单击配置属性，上方的配置选为活动(Release)，平台选为活动(x64)
再点击配置属性，点击 C/C++ ，警告等级 设为 3 ，警告视为错误 设为 否，点击 确定
然后点击本地调试开始编译，其中会自动下载 NuGet 程序包，此过程可能会翻墙。
当然不过下载出问题，可以直接打开选项 -> 包管理器 -> 常规 -> 浏览，
手动把 NuGet 程序包复制进去，下载地址，密码 qfui
error LNK1104:无法打开文件“libcaffe.lib”
error C2220:警告被视为错误-没有生成“object”文件
解决方案是对libcaffe单独重新生成，并且对libcaffe属性中进行如下修改
这样应该可以编译成功，最后再点击生成-生成解决方案应该就可以生成成功了。
6. 测试一下matlab和Python中是否可用caffe
将caffe文件目录下的matcaffe加入到matlab的路径中
caffe-master\caffe-master\Build\x64\Release\matcaffe，点击菜单中的设置路径，以后每次就直接可以在matlab中调用caffe库了。
测试一下，
说明caffe的matlab接口以及可以使用。
在pycharm中测试一下，可能会出现No module named google.protobuf.internal，
1）下载protobuf（地址：https://github.com/google/protobuf/releases/tag/v3.0.0），下载两个版本，一个protoc-3.0.0-win32.zip，一个源码，如果GitHub上不了可以下载我的资源。
2）将protoc-3.0.0-win32\bin\protoc.exe 拷贝进入源代码文件夹下 src中
进入源代码文件夹下python文件夹，cmd执行 python setup.py build、执行 python setup.py install
说明caffe的Python接口也配置成功。
至此caffe在Windows中的GPU版本大功告成。
具体可以参考这两篇
http://forestli.com/archives/93/
http://www.cnblogs.com/yixuan-xu/p/5858595.html
