众所周知，如果你想研究Deep Learning，那么比较常用的配置是Linux+GPU，不过现在很多非计算机专业的同学有时也会想采用Deep Learning方法来完成一些工作，那么Linux+GPU的环境就有可能会给他们带来一定困扰，我写这篇文章就是为了让这些同学可以不用去装Linux系统，不用去涉及GPU，就可以基于Caffe框架跑出一个简单的神经网络。
CNN基础知识：https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit（没基础的还应该另外了解一些神经网络算法的基础知识，例如前馈传递，BP算法等，有基础的也推荐再通过这个链接巩固一番，以下的文章会假设你对于CNN有比较全面和扎实的理解）
所需系统环境：windows7 sp1及以上系统，win7 sp1以下的会不会有什么错误我不知道，对了，是64位系统哦~
其他环境：Visual Studio 2013，cygwin 2.871（其他版本应该也可以，主要是用来在windows系统上模拟一个非常简易的linux环境，因为应用上只会用到一些很基础的命令，所以早一点的版本也无所谓）
Windows版Caffe框架：https://github.com/Microsoft/caffe
首先，需要将windows版本的Caffe框架下载到本地，随便下到哪都行，然后随便解压缩到哪都行，我解压完之后，Caffe框架的根目录就是H:caffe-mastercaffe-master。解压完之后，我们可以很明显地发现，这个框架还是一块未编译的“生肉”，是不能直接使用的，所以我们需要利用VS2013对其进行编译，但是在此之前，还有一个步骤，因为我们是小穷逼，我们没有动辄上万的GPU，但是贾大神所在的土豪实验室有用不完的GPU，所以这里默认的还是GPU模式的框架，我们需要对这一点进行修改，具体方式就是修改根目录中windows文件夹中的CommonSettings.props.example文件，具体修改方式是：
一、将该文件重命名为CommonSettings.props；
二、将该文件中的
<CpuOnlyBuild>false</CpuOnlyBuild>
<UseCuDNN>true</UseCuDNN>
改为
<CpuOnlyBuild>true</CpuOnlyBuild>
<UseCuDNN>false</UseCuDNN>
至于这里面的CuDNN是什么，之后会提到，现在先不用了解~
三、保存该文件。
在将框架改为CPU模式之后，就可以双击打开windows文件夹中的Caffe.sln文件，然后在VS2013中点击最上方的生成->重新生成解决方案即可，需要注意的是，进行这一步之前最好将Debug模式改成Release，就像这样。
经过一段时间的编译，在VS2013下端的显示台上会显示生成成功的信息，这时候这个框架就编译完成了，而生成的可执行文件caffe.exe的位置在根目录中的Buildx64Release之中，同时还会生成一大堆的依赖包和各类库，这里各位先不用在意，今天的任务主要会和caffe.exe发生接触。
编译好了框架之后，可以说是万事俱备，只欠数据集和网络模型了，在第一次的尝试中，CSDN的卜居大神所推崇的使用Yann LeCun大神（我习惯于说成杨乐村大神）提出的LeNet-5网络模型来进行对MNIST数据集的学习是非常适合的。
MNIST数据集是一个手写数字的数据库，所以可想而知，这次训练的目的是让你的计算机学会“看懂数字”。
MNIST数据集在哪里获取呢？Caffe框架已经为你想到了这一点，所以在H:caffe-mastercaffe-masterdatamnist中的get_mnist.sh脚本就是用来帮你下载这个数据集的，理论上，这个脚本的运行需要Linux的环境支持，但是我们现在用的是windows环境，怎么办呢？很简单，还记得之前所说的cygwin吗？没错，就用它！有关cygwin的安装和配置可以看看这个http://www.cygwin.cn/site/install/。
现在，你已经安装好了cygwin，并已经将其双击打开，只需要在这个黑框框里如下输入，然后回车，就会为你自动下载MNIST数据集（注意，如果不FQ是没有办法下载的，推荐一下我一直用的Psiphon3，这个名字一搜就能搜到，你们懂的）。
（忽略我的电脑名字是Celia，用的实验室的机器，懒得改了。。。）
这时候，你会发现在datamnist文件夹中出现了
，也就是说，MNIST数据集已经成功地下载下来了。
那么这个数据集是不是可以直接用了呢？答案是不能。为什么呢？因为到这一步为止，我们的数据集还只是二进制文件，需要转换为lmdb文件才可以被Caffe框架识别，所以这其中还有一个转换的过程，对于windows用户来说，这个转换是比较烦的，以至于我自己也没有试过，但是由于我之前一直在Ubuntu系统中使用这个框架，所以我们可以采用如下的两种方法：
一、在Ubuntu系统中，首先cd进Caffe框架的根目录，之后只需通过简单的一行命令：
./examples/mnist/create_mnist.sh
即可完成数据的转换工作，那么因为这里我们不希望去使用Ubuntu，所以我比较推荐第二种方法。
二、去网上找资源。。。MNIST数据集的lmdb文件在网上是容易找到的，这里我也用我的网盘分享了一份，http://pan.baidu.com/s/1o86O7Xo。
假设你是从我的网盘下载的，那么现在只需要把这个下载下来的文件解压，然后把解压出来的mnist_train_lmdb以及mnist_test_lmdb文件夹放到examples/mnist中即可。
至于我们使用的LeNet-5模型，眼尖的同学应该已经发现了，早就已经存在于examples/mnist文件夹中了。
现在，我们有了框架，有了数据集，有了模型，那么就快要大功告成了。接下来，只需要在windows自带的cmd命令行界面中如下输入：
之后按下回车，就大功告成啦，只需在黑框框中不断跳文字的过程中静静地等待即可。。。这个训练时间主要和你的计算机的配置有关，训练完成时的状态是这样的：
可以看到，最终的正确率达到了惊人的99.09%，而损失也降到了0.026495。通过训练之后生成的权重也保存在了mnist文件夹中的lenet_iter_10000.caffemodel之中。这时候，我们可以通过训练好的模型来对测试集进行测试。测试所需代码如下：
最后，我们可以发现这个模型在测试集上的正确率达到了非常惊人的程度。
这样，我们就可以说，你的计算机上成功地诞生了神经网络，而你的计算机同时也成功学会了“认识数字”。
备注：本人非常乐意分享我的文章，转载请注明我的博客地址：http://www.cnblogs.com/matthewli/与原文地址：http://www.cnblogs.com/matthewli/p/6048907.html，谢谢！