1.安装cuda10.0和cudnn7.6.4

如果要安装这两个可以看我另外一篇博客：
https://blog.csdn.net/m0_51004308/article/details/112318578

2.安装caffe框架

2.1.下载caffe源码压缩包

https://github.com/Microsoft/caffe

2.2 下载NugetPackages

链接：https://pan.baidu.com/s/1QqfpJbVXlfIPsByfvKCArQ
提取码：ugzc
复制这段内容后打开百度网盘手机App，操作更方便哦

2.3 具体操作

然后把这两个解压放在同级文件夹下

把cudnn解压得到的cuda文件夹拷贝到caffe-master文件夹中。

这时候就可以打开C:\caffe-maste\windows文件夹，将其中CommonSettings.props.example文件复制一份，重命名为CommonSettings.props，再打开这个文件

• 1.把其中的CudaVersion改为10.0
• 2.把PythonSupport改为true
• 3.把CuDnnPath改为刚才拷贝cuda文件夹的地址，即C:\caffe-master
• 4.将CudaArchitecture改成compute_61,sm_61（目前gtx 1660显卡在目前官网cuda加速计算的支持列表还没有更新出来，但是这款显卡应该是支持cuda计算的。tensorflow显示GTX 1660的计算能力为7.5。应该没这么高，估计6.1。其他显卡的计算力在这里查询：https://developer.nvidia.com/cuda-gpus）
  
• 5.把PythonDir改为F:\Anaconda3
• 6.打开C:\caffe-master\windows路径下的Caffe.sln，添加faster rcnn需要的roi pooling laye
  (1)在libcaffe项目下的 cu/layers 文件夹右击，添加——现有项，找到caffe-master\src\caffe\layers下的roi_pooling_layer.cu文件，点击添加
  (2)在libcaffe项目下的 src/layers 文件夹右击，添加——现有项，找到caffe-master\src\caffe\layers下的roi_polling_layer.cpp文件，点击添加
  (3)在libcaffe项目下的 include/layers 文件夹右击，添加——现有项，找到caffe-master\include\caffe\layers下的roi_polling_layer.hpp文件，点击添加

编译libcaffe
（1）选中libcaffe，点击菜单栏的调试-libcaffe属性
（2）选择配置属性-常规，把配置改为Releas，平台改为活动(x64)
（3）选择C/C++，把将警告视为错误改为否
（4）点击确定关闭窗口。右键选择libcaffe，点击生成（会下载依赖项，所以需要网络）
（5）成功之后，在caffe-master文件夹中就会有一个Build文件夹。

5.编译其他
（1）右键解决方案，属性
（2）选择通用属性-启动项目-当前选定内容并确定
（3）检查本地windows调试器，调整为Release
(4) 右键解决方案，点击生成解决方案
(5)等待编译成功。

6.移动文件
（1）将caffe-master\Build\x64\Release\pycaffe\caffe文件夹移动到C:\Anaconda2\Lib\site-packages文件夹中
（2）打开cmd，输入python,再输入import caffe,没有报错的话，caffe就此配置成功。

转载来自这：https://blog.csdn.net/weixin_41868104/article/details/93968382?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_utm_term-0&spm=1001.2101.3001.4242