轉載：http://www.linuxdiyf.com/linux/22847.html
一、Caffe（CPU Only）+Ubuntu14.04
要求：**Ubuntu系統，且必須是14.04版本，其他版本在配置過程中，可能會報錯。如果不想出錯，用14.04版本（32位、64位均可，推薦64位）。
我配置時，完全是參考Caffe官網上的流程，上面的流程十分簡單明了，一遍成功。下面是網址：http://caffe.berkeleyvision.org/install_apt.html
1、安裝依賴庫
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
2、BLAS
sudo apt-get install libatlas-base-dev
3、依賴庫
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
4:（可選，不配置也是可以跑caffe訓練 的），安裝OpenCV，切記，Ubuntu14.04系統，一定要下載OpenCV2.4.9，否則配置時很容易出錯。
5、下載Caffe並編譯。這里沒有配置Python和Matlab接口，如想配置這兩個借口，用Python和Matlab調用Caffe，請參考官網。（個人感覺在服務器上沒必要配，Python和Matlab接口，Caffe本身的.cpp和.prototxt代碼寫的十分清晰明了)。
首先：
我是在用戶主目錄下執行的下面操作（非root用戶），不要告訴我不會切到用戶的主目錄下面嗷~（命令：cd ~）
git clone https://github.com/BVLC/caffe.git
cd caffe
cp Makefile.config.example Makefile.config
然后：修改Makefile.config文件內容，將“# CPU_ONLY := 1”中的#號去掉，即可，其他的都不用改。
最后：
make all
（也可以 make all -j4 開啟4個進程，開啟進程數不要過多，最好看看自己CPU是幾核的）
make test （或 make test -j4
make runtest （或make runtest -j4)
6、測試
如果安裝、編譯不出錯，那么配置成功，跑一個例子看看。
首先進入Caffe目錄
cd ~/caffe
./data/mnist/get_mnist.sh (或 sh data/mnist/get_mnist.sh）
./examples/mnist/create_mnist.sh(或 sh examples/mnist/create_mnist.sh)
vi examples/mnist/lenet_solver.prototxt
%修改里面的solver_mode為CPU
./examples/mnist/train_lenet.sh（或 sh /examples/mnist/train_lenet.sh）
盡情的跑吧。
二、MatConvNet+Windows+Matlab2014b+VC2013
MatConvNet配置GPU還是相對簡單的，CPU更加簡單了。這里還是CPU版本的，去官網下載最新版。
http://www.vlfeat.org/matconvnet/
或者，用我上傳的這個壓縮包（一樣是在官網下的）
http://download.csdn.net/detail/zxc024000/9589881
首先，請配置Matlab2014b+VS2013編譯環境，使用 mex -setup，設置編譯器為VS2013
下載后，解壓，我這里文件夾名叫“matconvnet-master”
打開Matlab2014b，工作目錄切換到該文件夾下，新建 “Compile.m”,內容如下：
addpath matlab
vl_compilenn
運行該文件，即可編譯CPU版的MatConvNet，編譯好后。運行
matconvnet-master\examples\mnist 中的cnn_mnist.m，
該程序會自動從網上下載訓練數據，下載好后，自動進行訓練。訓練后，會得到一個訓練好的網絡，利用Matlab的save命令，將該結果保存為.mat文件，以后就可以用利用MatConvNet提供的函數，調用這個.mat文件，進行分類了。下圖是在訓練中，全部樣本訓練第二次迭代中。
一個更簡單的例子，
在該網址上下載，imagenet-vgg-f.mat。
http://www.vlfeat.org/matconvnet/models/
切換到matconvnet-master目錄下，新建demo.m,內容如下：
run matlab/vl_setupnn
net=load('../models/imagenet-vgg-f.mat');%換成模型存儲的位置
im=imread('peppers.jpg');%圖片自己搜，推薦百度一張企鵝圖片，測試一下
im_=single(im);
im_=imresize(im_,net.meta.normalization.imageSize(1:2));
im_=im_-net.meta.normalization.averageImage;
res=vl_simplenn(net,im_);
y=res(end).x;
x=gather(res(end).x);
scores=squeeze(gather(res(end).x));
[bestScore,best]=max(scores);
figure(1);
clf;
imshow(im);
title(sprintf('%s %d,%.3f',...
net.meta.classes.description{best},best,bestScore));
上圖將目標正確 分類，類別為946，得分為0.704.
Caffe和MatConvNet包含許多知識，最好深入學習一下，才能更好的使用。