一、 环境准备：
a) windows 系统（win7/win10 均可）
b) vs2013 （本人用的是 2013，其他版本运行 caffe 框架，网上有争议）vs2013 下载：https://pan.baidu.com/s/1i6Rv8qD
c) MATLAB2016 以及 Python（caffe 支持使用这两个接口，若读者只是纯使用 caffe，可以不用安装）
d) CUDA8.0、9.0 甚至 9.1 都行，【注：无 GPU 可以忽略 d、e 两步】下载 cuda 版本:https://developer.nvidia.com/cuda-toolkit-archive
e) Cudnn 【注：buildVS2013 项目默认是开启 cudnn 的，而 CUDNN 要求 GPU CUDA Capability 不低于 3.0，若低于 3.0 的，就不用安装cudnn，否则报类似于 status == CUDNN_STATUS_SUCCESS 的错误】
（查看电脑 CUDA capablity 的：可以在 CUDA 的安装目录下查看，有一个 CUDASamples 文件夹 ，在对应的1_Utilities 文件夹下面有个 deviceQuery 程序，运行之后应该就会得到显卡的相关信息了。也可以访问https://developer.nvidia.com/cuda-gpus 查找自己电脑对应的版本）Cudnn 下载：https://pan.baidu.com/s/1bqT9FdH
f) Windows 版的 caffe，BVLC 官方链接为https://github.com/BVLC/caffe/tree/windows （一定要是WINDOWS 版本的）或 https://pan.baidu.com/s/1dGBoGV3
g) 准备好第三方 NugetPackages 包下载：https://pan.baidu.com/s/1c3R5K7u 密码 rw4q
二、 软件安装（此不赘述，不清楚的请百度）
三、 cudnn安装
CUDA 安装好后，解压下载的 cudnn 压缩包，找到 CUDA 的安装路径，依次将这三个文件夹下的文件分别复制到 CUDA 对应的文件夹下
四、 搭建 caffe 框架
a)解压 caffe-mater 包，进入其下 windows 文件夹，复制CommonSetting.props.example 文件修改后缀为CommonSetting.props 文件
b)编辑CommonSetting.props文件
c)编译caffe,用vs打开Caffe.sln程序（若vs已安装成功）
这个编译的过程大约会持续半个小时，编译过程准备第三方库，编译完成后可以在caffe-master级目录中看到，若自己准备好NugetPackages包，会提高编译速度，其实编译的快慢主要还是看电脑配置，配置高的十几分钟就over了。
五、编译后matlab操作（python操作类似）
打开matlab 设置路径—>添加文件夹： D:\Caffe\caffe-master\Build\x64\Release\matcaffe
添加完毕后最好能重启一下电脑
运行caffe.cpp
直接双击打开caffe.cpp，然后ctrl+f5直接编译，或者直接在windows的dos界面输入caffe（前提是你上一步环境变量配置准确），若出现如下命令窗口说明编译成功
测试一下matlab接口是否可以使用:
若以上步骤都成功执行，恭喜你^_^，你已经经编译好caffe环境了，可以进入下一阶段的学习了