之前的一篇的博客 windows下vs2013配置caffe及基本使用（一）也提到caffe的配置，但使用的是微軟的Windows版本caffe配置的，其自帶了一個VS的Solution項目，這個版本同樣支持基於CPU和CUDA的算法實現，如何配置參見我之前的博客。
下面介紹源碼編譯 官方版本：伯克利BVLC(Berkeley Vision And Learning Center) 版 ，生成solution項目，python、matlab的接口
我的配置環境：
1. VS2015
2.安裝Anaconda3
3.安裝cuda_10.0.130_win10_network.exe（也可以選擇local版）
4.配置cudnn-10.0-windows10-x64-v7.5.0.56.zip
cuda和cudnn的安裝及配置不再介紹，不熟悉的可以參見我之前的博客
7.matlab2017b
官網上也給出了配置要求：
但我的電腦的compute capability是7.5（GTX 1660ti notebook），Cuda8.0最大隻能支持cumpute capability6.2的顯卡。如果顯卡計算能力低於此，可以按照默認配置來編譯，網上有很多參考的博客供參考。我這裏介紹的是計算能力大於7.5時的配置方法。
顯卡的計算能力可以通過運行程序查詢，cuda安裝默認安裝完畢後，管理員方式打開C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0下的工程，編譯1_Utilities下的deviceQuery工程，並運行，可看到自己電腦的計算力。
每版cuda所支持的計算力可參見英偉達官網查詢https://docs.nvidia.com/cuda/turing-compatibility-guide/index.html
1.在下載後的文件中新建build文件夾
2.主目錄中scripts文件夾下有build_win.cmd文件，生成solution就是通過運行此命令行獲得，運行過程中，會下載一個額外的庫文件壓縮包。但是在沒有VPN的情況下，下載是很緩慢的，所以這裏可以事先下載好該文件。主目錄中scripts文件夾下有download_prebuilt_dependencies.py文件，打開此文件可以找到其下載的地址，根據需求我選擇紅圈內的鏈接
同時也貼上我下載好的文件
5.把該文件放入到到路徑下即可：（塗紅部分是你自己的電腦用戶名）
6.如下是需要更改的文件
（1）更改主目錄下scripts文件夾中build_win.cmd文件，由於不支持APPVEYOR，更改else下的部分，部分如下：
重點注意的是MSV_VERSION版本，我用的是VS2015,如果是vs2017的，還會再麻煩些，具體需要的朋友可以搜其它csdn的博客。CPU_ONLY=0，因爲我希望支持GPU加速，BUILD_MATLAB=1，BUILD_PYTHON=1,同時支持MATLAB和python接口，因爲我希望能編譯出caffe 的python接口去做後續的開發，有些matlab的好例子也就能跑跑了
該文件還需要修改一處
上傳下我配置的該文件
（2）打開主目錄下cmake文件夾中的cuda.cmake，set一欄會發現和你的不一樣，按如下設置即可
該文件還有一處需要修改
上傳下我的配置文件
（3）打開主目錄下include\caffe\util中的cudnn.hpp
上傳下我的配置文件
（4）還有一個nvcc.hpp文件，該文件所在前面所下載的依賴庫目錄下C:\Users\你的電腦名字\.caffe\dependencies\libraries_v140_x64_py35_1.1.0\libraries\include\boost-1_61\boost\config\compiler,註釋掉圈內語句
上傳下我的配置文件
開始執行主目錄下scripts文件夾下的build_win.cmd進行編譯，這邊需要等待較長時間。
執行完畢後在scripts文件夾下的build文件夾中即可以看到生成及編譯好的caffe工程
接下來可以用caffe來做一些事情了，可參見我的博客：caffe使用命令行方式訓練預測mnist、cifar10及自己的數據集