第一步：VS2015+OpenCV3.1.0
下载opencv3.1.0，解压到D盘，然后将下面路径放到环境变量中：
创建vs控制台程序，然后修改为release模式，x64环境，然后在releasex64点反键，来新建属性表，取名opencv3.1.0_release，然后进行如下配置：
包含目录：
库目录：
链接器----输入---附加依赖库：
这样就配置完成。
WindowsCaffe配置步骤说明
我的环境:
步骤：1. VS2015 64bit
2. cmake3.9.0 (https://cmake.org/download/)
3. AnacondaPython 3.5
4. CUDA8.0 (https://developer.nvidia.com/cuda-downloads)
5. cuDNNv5.1 for CUDA8.0
6. win10，64bit
- 安装notepad++和gitx64版本
- 安装VS2015
- 安装cmake3.9.0
- 安装Anaconda3
- 安装CUDA8.0并解压cuDNNv5.1，确保系统环境path中有路径。并要将cuDNNv5.1的cuda目录也加入环境变量。将cuda目录对应的bin,include和lib\x64中的.lib文件复制到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0对应的bin,include和lib\x64目录中。
- 下载caffe与配置：
git clone https://github.com/BVLC/caffe.git
cd caffe
git checkout windows
一句接着一句执行，然后出现Switchedto a new branch ‘windows’就完成了。
（b）接着根据自己的情况修改caffe/scripts/bulid_win.cmd命令，把后缀名称修改成txt，用nodpad++将build_win.txt打开，修改27-31行，这里我用的是python3.5，修改路径为我的anaconda路径：CONDA_ROOT=D:\Anaconda\Anaconda3
（python2.7修改22-25行）
（c）修改里面的68-90行
- 如果用vs2015，第72行改成MSVC_VERSION=14
- 如果用GPU模式，第76行改成CPU_ONLY=0
- 如果用python3.5，第87行改成PYTHON_VERSION=3
- 修改89-91行：
- 89：if NOTDEFINED BUILD_PYTHON set BUILD_PYTHON=1
- （配置caffe的python接口）
- 90：if NOTDEFINED BUILD_PYTHON_LAYER set BUILD_PYTHON_LAYER=1（允许用python接口来创建caffe的层结构）
- 91：if NOTDEFINED BUILD_MATLAB set BUILD_MATLAB=0
- （不配置caffe的matlab接口，需要配置要改成1）
（d） 把后缀名改回cmd，在命令行下运行最后一句配置命令（在build_win.cmd路径下）build_win.cmd
（e）当你执行最后一句命令的时候，它会下载一个依赖包，并且自动在C盘用户文件夹上生成.caffe文件夹，下载的依赖包就放到里面，等待小段时间后cmake就把vs2015的项目给创建出来了。
（f）在caffe/scripts/build文件夹下就生成了caffe.sln，用vs2015将其打开，并releasex64生成ALL_BUILD文件即可 ，最后没有报错，那么配置就告一段落了。
- 将caffe.exe所在的路径（D:\caffe\scripts\build\tools\Release）加入环境变量中
- 测试caffe.exe在命令行模式，下载mnist_train_leveldb和mnist_test_leveldb到D:\caffe\caffe\examples\mnist路径下修改lenet_solver.prototxt和lenet_train_test.prototxt文件中的路径，然后双train_lenet.sh文件，其中train_lenet.sh文件中的内容改成：caffe train--solver=D:/caffe/caffe/examples/mnist/lenet_solver.prototxt，这样能成功生成lenet_iter_10000.caffemodel表示成功。
- 配置python接口
WindowsTensorflow(GPU版本)配置步骤说明
我的环境:
-
- VS2015 64bit
- AnacondaPython 3.5 （必须）
- CUDA8.0 (https://developer.nvidia.com/cuda-downloads) （必须）
- cuDNNv5.1 for CUDA8.0
- win10（64bit）
步骤：
-
- 安装VS2015 （最好安装VS2015，VS2013好像也可以，但不推荐，也不要装VS2017）
- 安装AnacondaPython 3.5 ，这里要注意，anaconda官网上可下载的最新（截至2017-6-8）的版本是Python3.6的，但是这里win Tensorflow不支持Python3.6，所以请下载python3.5版本的，我下载的是：Anaconda3-4.2.0-Windows-x86_64.exe
- 安装CUDA8.0并解压cuDNNv5.1，将cuda目录对应的bin,include和lib\x64中的.lib文件复制到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0对应的bin,include和lib\x64目录中。这里必须CUDA8.0，试过7.5，没有成功！
- cmd命令行安装Tensorflow-GPU，输入：pip install tensorflow-gup==1.2.0，截止作者发稿最新版本为1.5.0，由于作者cuda为8.0，cudnn为5.1，而1.5.0版本要求cuda为9.0，同时cudnn要求版本为6.0，所以作者选取1.2.0的版本安装。其中安装完成后可能要更新pip库，按提示要求执行就行。
（pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.2.0-cp35-cp35m-win_amd64.whl）
-
- 测试，在cmd环境下输入python，然后输入importtensorflow as tf，若是不报错，则代表成功。
-
- 最后tensorflow是基于python的，编译python代码推荐使用spyder。
最终检测caffe和tensorflow是否配置好：