　　1.在開始之前，先簡單回顧一下幾個概念。

Caffe（Convolution Architecture For Feature Extraction-卷積神經網絡框架）：是一個清晰，可讀性高，快速的深度學習框架。

CUDA（Compute Unifined Device Architecture-計算統一設備框架）：是顯卡廠商NVIDIA推出的運算平台。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。

CuDNN（ CUDA Deep Neural Network library）：是NVIDIA專門針對深度神經網絡設計的一套GPU計算加速庫，被廣泛用於各種深度學習框架，例如Caffe, TensorFlow, Theano, Torch, CNTK等。

　　2.Caffe的安裝可參考一下博客：

http://www.cnblogs.com/hust-yingjie/p/6525584.html

http://blog.csdn.net/zb1165048017/article/details/51549105

http://blog.csdn.net/zb1165048017/article/details/51355143

　 3.安裝過程出現的問題，以及解決方法，可參考：

http://www.cnblogs.com/hust-yingjie/p/6515213.html

Caffe.sln中的16個工程編譯成功，會生成12個.exe，如下圖所示：

　　4.下面具體介紹基於Window訓練自己的模型，並進行分類

4.1 第一步：制作Label標簽文件，並利用convert_imageset.exe將圖片轉換為Caffe的數據格式LEVELDB格式或者lmdb格式。

訓練樣本的標簽文件TrainLabel.txt如下圖所示：

測試樣本的標簽文件TestLabel.txt如下圖所示：

此時需重新生成一下convert_imageset.exe文件，具體見http://www.cnblogs.com/hust-yingjie/p/6526419.html

可根據實際情況執行convert_imageset.exe文件，其參數信息可打開convert_imageset.cpp查看，下面是我執行其的批處理文件，測試樣本集類似：

SET GLOG_logtostderr=1
E:\CaffeGPU\caffe-master\caffe-master\Build\x64\Release\convert_imageset.exe --backend=leveldb --resize_width=32 --resize_height=32 E:\MyCaffe E:\MyCaffe\TrainSet\TrainLabel.txt E:\MyCaffe\Trainleveldb
pause

正確執行后，你會看到如下界面：

執行上述過程，可能出現以下兩種情況，如下圖所示：

上面兩種錯誤，都是由於路徑錯誤導致，所以這里一定要注意。還有一種錯誤，解決比較簡單，見下圖：

成功后，會生成一個Trainleveldb文件夾，里面有如下內容：

4.2 第二步：基於LEVELDB文件利用compute_image_mean.exe獲取均值文件Mean.binaryproto

可參考以下批處理文件執行compute_image_mean.exe，具體如下：

SET GLOG_logtostderr=1
E:\CaffeGPU\caffe-master\caffe-master\Build\x64\Release\convert_imageset.exe --backend=leveldb --resize_width=256 --resize_height=256 E:\MyCaffe E:\MyCaffe\TrainSet\TrainLabel.txt E:\MyCaffe\Trainleveldb
pause

正確執行后的效果如下圖所示：