本文參考此文章：http://www.cnblogs.com/love6tao/p/5706830.html
補充一些
1.首先安裝vs2013,不用多說
2.下載兩個跟英偉達相關的東西，一個是CUDNN一個是CUDA，切記這兩個不是一個東西。下載鏈接分別是 CUDNN 和 CUDA ，其中下載CUDNN要註冊，那就註冊吧！
我下載的版本如下圖所示：
3.下載caffe源碼,下載地址爲 caffe
4.接下解壓CUDNN壓縮包，解壓caffe源碼壓縮包，安裝CUDA安裝包，傻瓜式的，不用多說
5.解壓caffe源碼壓縮包之後目錄結構如下圖所示，進入windows目錄，將CommonSettings.props.example文件重命名爲CommonSettings.props。然後編輯模式打開CommonSettings.props文件，將其中的<CudaVersion>8.0</CudaVersion>修改成自己的cuda版本，這裏下載的是8.0，所以這裏填寫8.0；將其中的<CuDnnPath>D:\software\cuDNN\cudnn-8.0-windows7-x64-v5.0-ga</CuDnnPath>這一項的路徑改成你的CUDNN解壓縮出來的目錄路徑，注意路徑到包含有cuda這個目錄這一級就可以了。還需要注意的是cudnn的版本必須和cuda版本一直才行，這裏都是8.0版本。
6.將你的CUDA安裝目錄C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\visual_studio_integration\MSBuildExtensions中的四個文件，拷貝到C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\BuildCustomizations目錄中。
7.使用vs2013打開caffe源碼目錄中的Caffe.sln工程文件，將libcaffe設置成x64 release版本編譯，然後生成就可以了。第一次因爲會自動的下載一些依賴庫文件，保存到NugetPackages目錄中，請耐心等待。
8.訓練lenet
8.1 從http://yann.lecun.com/exdb/mnist這個網站下載mnist數據庫,將其放在caffe-master\data\mnist\目錄下。
8.2 將caffe-master\examples\mnist\convert_mnist_data.cpp文件中的內容複製到caffe項目中的caffe.cpp文件的末尾。然後註釋掉原來caffe.cpp中的main()函數，編譯一下caffe工程得到一個新的caffe.exe這個caffe.exe可以用來將mnist數據庫的四個文件轉換成caffe訓練需要的lmdb數據庫形式的數據。
8.3 運行
caffe.exe caffe-master\data\train-images.idx3-ubyte caffe-master\data\train-labels.idx1-ubyte caffe-master\data\mnist_train_lmdb --backend=lmdb
caffe.exe caffe-master\data\test-images.idx3-ubyte caffe-master\data\test-labels.idx1-ubyte caffe-master\data\mnist_test_lmdb --backend=lmdb
然後再caffe-master\data\中會生成兩個文件夾mnist_train_lmdb和mnist_test_lmdb，這個裏面就是mnist 的lmdb形式數據
9.然後將caffe.cpp文件還原成最初的，重新編譯得到一個caffe.exe
10. 將caffe-master\examples\mnist\lenet_solver.prototxt和lenet_train_test.prototxt文件進行修改，注意其中用到的"\\",而不是"\"或者"/"
11. 開始訓練，運行命令：caffe.exe train --solver=D:\caffe\caffe-master\caffe-master\examples\mnist\lenet_solver.prototxt 後可能會出現如下問題
解決方法：
這是 因爲gpu運算能力沒有配置對，運行C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite\devicdQuery.exe得到信息如下，發現我的計算能力爲3.0。所以修改caffe-master\windows\CommonSettings.props文件中對應內容改成<CudaArchitecture>compute_30,sm_30;compute_30,sm_30</CudaArchitecture>
12.再次使用GPU訓練Lenet最終結果如下
