因为自己的电脑没有安装linux环境，显卡也不支持CUDA，所以在实现faster RCNN的demo的过程中还是很麻烦的。
完善项目文件
下图是vs2013 打开的caffe解决方案的工程目录。由于windows版本caffe的不完善，要先在其libcaffe项目中添加roi_poling层的相关支持。（Fast R-CNN的ROIPooling层需要这个源文件编译）
具体做法是对cu&include&src下的layers右键，添加现有的项，分别添加的是roi_pooling_layer对应的.cu/.hpp/.cpp文件。其中.cu和.cpp文件在caffe安装根目录src/caffe/layers下。.hpp在include/caffe/layers下。
P.s:Caffe中的.cu文件，是交给nvcc编译的c++源文件，可以编译成cpu指令或者GPU指令。
修改属性表
在commonSettings.props中修改属性。为了配置caffe的接口，需要在属性表中把python版编译接口打开，并且指出anaconda2的路径。这两行分别在属性表的13行和第48行。
好几个博客都使用的是anaconda2的python安装包，而caffe中默认的是Miniconda2（仅包含conda和 Python）。Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，anaconda2对应Python2版本。对比之下，pycharm、spyder是IDE，可以调试，代码高亮，项目管理等。因为python是解释型的语言，pycharm在新建项目的时候就需要指定interpreter，而这个解释器就可以是anaconda下的python.exe。而在anaconda之中也集成了IDE：jupyter notebook。
从清华大学镜像站下载anaconda，https://repo.continuum.io/archive/Anaconda2-4.2.0-Windows-x86_64.exe
（千万要下载支持python2.7的anaconda2,不然后面会遇到找不到python27.lib）去编译Release版本的pycaffe，好像如果编译Debug版本会出现python27_d.lib找不到什么的。
Matlab也一样，除了打开matlabsupport，还需要修改matlab.exe路径和mxGPUArray.h所在include路径。新版matlab的mxGPUArray.h位置改动了，可以将新位置放在includePath之中，也可以将头文件复制到默认的includePath处。
重新编译
在Build/x64/Release下得到pycaffe文件夹和 matcaffe文件夹。
Pycaffe：
Matcaffe：编译过程中遇到了头文件martix.h找不到的情况，把绝对路径include进去就好了。还遇到了无法打开libmx.lib的问题，在项目属性中添加库目录。
python中安装caffe包
将编译生成的pycaffe中的caffe文件夹拷贝到D:\Program Files\Anaconda2\Lib\site-packages中
在cmd中进入python命令行，然后import caffe，会出现下面问题
因为c++版本中生成的NugetPackages里面包含了依赖项opencv，protobuf等，而python版本还没有。解决办法是退出python，在cmd中conda install protobuf/pip install protobuf，安装成功之后重新import caffe，没有报错。
验证
使用的实例是Texture Synthesis with Convolutional Neural Networks这篇论文的代码，主要实现的是利用噪声生成一张真实图片。下载，解压github上的源码https://github.com/leongatys/DeepTextures
在cmd中cd到解压目录，输入jupyter notebook
可以在localhost：8888/中得到jupyter notebook，顾名思义，这是一个web型的交互式笔记本。显示当前文件夹中的文件。
点击example.ipynb，shift+enter逐步调试.
出现了python.exe停止运行等错误，中断发现应该是GPU不支持的问题，在cmd中的提示验证了这个猜想：
按照下面代码把模式改成CPU：
#if cpu mode we should not call,below 3 line of code is just for using GPU mode.
#gpu = 0
#caffe.set_mode_gpu()
#caffe.set_device(gpu)在链接1中是将代码写在一个py文件中一次性运行，而且因为不是在解压文件目录下打开jupyter notebook，用了绝对路径。但是不管是分步运行还是一次性运行，都没有报错，都没有图像生成，理论上应该生成代码给的参考图像才对。现在还不知道怎么回事。
我怀疑是我除了anaconda2还安装了一个python，所以运行notebook的时候有两个kernels found，于是用pycharm新建了一个project，选择anaconda2下的python.exe作为interpreter，但是显示找不到caffe等：
Faster rcnn
Python版本的caffe和faster rcnn（链接3）：
下载py-faster-rcnn，地址：https://github.com/rbgirshick/py-faster-rcnn
针对windows环境，替换py-faster-rcnn中的lib）https://github.com/MrGF/py-faster-rcnn-windows将其中的文件复制进py-faster-rcnn进行替换。
替换后，在py-faster-rcnn根目录—lib—rpn路径下，编辑proposal_layer.py：
将Caffe根目录—Build文件夹下，找到生成的pycaffe，将其中的caffe文件夹整体复制到py-faster-rcnn根目录—caffe-fast-rcnn—python文件夹下。如果是用Download ZIP（因为我们已经有了Caffe-Microsoft），在py-faster-rcnn的caffe-faster-rcnn下单独创建python文件夹，再将生成的pycaffe下的caffe拷贝进来。官方推荐用命令递归下载，递归的意思是initialize submodules in the clone，自动初始化并更新仓库中的每一个子模块：
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.gitMatlab版本的caffe+faster rcnn（链接4）
按照参考操作就可以了，需要注意的是要下载的是matlab版本的faster rcnn，解压应该在faster-rcnn-master/experiment下。
需要针对cpu-only的环境修改代码。因为不用GPU，所以还需要选择网络较小的zf-5，而不是很大的VGG-16.这两个网络的model在output文件夹下面。
我遇到的问题是：
先是出现invalid mex-file，添加了vs的dll文件在m文件目录下，将build/x64/release路径添加到系统环境变量。
然后出现了load使用错误的原因，其实是model文件和测试图片的路径错了，按照提示改一下就好了。
下面是demo自带图像的测试结果：
Reference：
1. 下载anaconda2：https://www.cnblogs.com/billyzh/p/6307716.html
2. Jupyter：https://blog.csdn.net/zb1165048017/article/details/52980102
3. Py Faster RCNN：https://blog.csdn.net/u011185952/article/details/71079038
4. Mat faster rcnn：https://blog.csdn.net/mr_curry/article/details/54745116
5. 翻墙获取faster_rcnn_models：https://blog.csdn.net/hongbin_xu/article/details/76100132
6. 修改setup.py到CPU：http://www.caffecn.cn/?/question/13
