目录
0 环境准备
1 Caffe编译（生成）
2 Caffe再编译
实验原理
实验过程
添加损失层
3 使用
训练
预测
0 环境准备
由于BVLC Caffe不支持Cuda 8.0，以下实验均在Microsoft Caffe基础上完成。本节将完整列出编译安装深度学习框架Caffe必需的组件。
需要严格按照说明书安装，否则将导致安装失败。
安装VS2013
Visual Studio 2013是之后用于编译Caffe工程的IDE。
安装Anaconda2；或Miniconda3，提取码m02a
Caffe编译需要的是python2.7，所以一般做法是安装Anaconda2。注意安装过程中不要多余勾选它没勾的框。安好后手动添加环境变量%CONDA_HOME%（实际python2.7安装根目录）、%CONDA_HOME%\Scripts和%CONDA_HOME%\Library\bin。实际python2.7安装根目录是什么意思呢？就是实际的python2.7解释器——python.exe所在的目录喽。
注意，我编译时，是先用Anaconda3创建了python2.7虚拟环境“python27”，然后添加的第一个环境变量就要相应地变为%CONDA_HOME%\envs\python27，即%CONDA_HOME% := %CONDA_HOME%\envs\python27。创建好虚拟环境后记得要安装numpy。
或者有些人的虚拟环境默认是创建在其他地方的比如C盘的.conda文件夹等等，总之这一步的目的就是为了声明python2.7的位置，和配置PyCharm的环境变量的过程可以说是非常相似的。所以具体的环境变量根据你的python2.7的实际位置来定就好。
安装cuda8.0.61，lecj
步骤略。
安装，r1a1
步骤略。
1 Caffe编译（生成）
Caffe，全称Convolution Architecture For Feature Extraction，是一个清晰且快速的深度学习框架。下面介绍一下如何在Windows 10下配置Caffe框架。
下载微软caffe源码并解压到适当的路径。下面统一用%CAFFE_MASTER%指代解压后所在的目录。
下载NugetPackages并解压到任意的路径，提取码7uev。
这一步可以省略。这样的话在生成libcaffe这一步中，VS2013会自动帮我们下载NugetPachages，是不是很贴心呢（暖）？但是，为了避免某些校园网网络存在不稳定等的复杂情况而导致失败，我们先下载好了，这样就不用等着VS2013缓慢地下载啦。
复制%CAFFE_MASTER%\windows\CommonSettings.props.example 为%CAFFE_MASTER%\windows\CommonSettings.props
用记事本打开CommonSetting.props，修改如下：将默认的
再提醒一下上面的%CONDA_HOME%和%MATLAB_HOME%取决于你的python2.7和Matlab的实际安装路径。
打开%CAFFE_MASTER%\windows下的Caffe.sln，调试器模式设为Release X64，所有项目的属性中“将警告是为错误”设为“否”。
打开VS2013菜单栏的工具->NuGet程序包管理器->程序包管理器设置，选择程序包源，点右上方的加号，然后右下方名称任意（就叫默认的Package Source 1就好），点击旁边的“..."浏览并选择之前下载解压的NugetPackages文件夹，再点更新，再点右上方的上箭头将该源移到顶部，最后确定保存。
结合第2步，这一步就能确保编译过程中使用我们之前下载好的NugetPackages。
打开VS2013菜单栏的工具->选项，选择项目和解决方案->生成并运行，最大并行项目生成数设为3（或更小），确定保存。
生成libcaffe。
生成caffe。
依次生成剩余的14个项目。
如果在生成matcaffe时出现问题..\..\matlab\+caffe\private\caffe_.cpp(16): fatal error C1083: 无法打开包括文件: “gpu/mxGPUArray.h”: No such file or directory，则把%MATLAB_HOME%\toolbox\distcomp\gpu\extern\include下的gpu