进行深度学习可以使用Caffe，我使用windows配置了一下Caffe运行环境，非常简单。这里把官网的配置过程搬运过来，以备参考。
官网地址：https://github.com/BVLC/caffe/tree/windows
配置环境： Windows 10（64位）+ Visual Studio 2013.
1 获取安装文件
首先在官网地址https://github.com/BVLC/caffe/tree/windows下载压缩包，并解压到想要安装的路径下。
2 生成新的配置文件
将.windowsCommonSettings.props.example复制一份，并且重命名为.windowsCommonSettings.props（文件名为CommonSettings.props，前边的.windows是路径）。
默认情况下，编译需要CUDA和cuDNN库，这些都可以在配置文件.windowsCommonSettings.props中进行配置。默认情况下不支持Python，但是也可以在.windowsCommonSettings.props中更改。Caffe所需要的第三方的依赖项可以通过NuGet自动获取。
3 CUDA配置
从网址https://developer.nvidia.com/cuda-toolkit下载最新的CUDA，本文撰写时已经更新到CUDA 8。如果你不想使用CUDA，或者由于某些原因装不上CUDA，也可以采用CPU_ONLY选项来进行生成，此时你需要在.windowsCommonSettings.props中设置CpuOnlyBuild选项为true，设置UseCuDNN选项为false。
4 cuDNN配置（如果第3步中选择CPU_ONLY，则本步骤可以忽略）
从网址https://developer.nvidia.com/cudnn下载cuDNN v3或者 cuDNN v4。将下载的压缩文件解压到 %CUDA_PATH%（CUDA安装时生成的环境变量）。也可以解压到其他的路径，并将配置文件的CuDnnPath指向解压的路径。当然，如果仅使用CUDA但不使用cuDNN，可以将配置文件中的UseCuDNN设置为false。
5 Python接口配置
在配置文件中将PythonSupport设置为true。然后下载Miniconda 2.7 64-bit Windows安装文件，为所有用户添加Python路径到PATH环境变量（通过安装文件完成），下载地址为http://conda.pydata.org/miniconda.html。
以“管理员身份”打开命令提示符窗口，输入以下命令：
conda install --yes numpy scipy matplotlib scikit-image pip
pip
install protobuf
注意：编译完成后，为了能够使用Python，需要做以下更改：
设置PythonPath环境变量指向<caffe_root>Buildx64Releasepycaffe，或者将文件夹<caffe_root>Buildx64Releasepycaffecaffe拷贝到<python_root>libsite-packages路径下。
6 Matlab接口配置
在配置文件中将MatlabSupport设置为true，并且将MatlabDir设置为你的Matlab安装的根目录。
注意：编译完成后为了使用Matlab，需要做以下更改：
将生成的matcaffe文件夹添加到Matlab的搜索路径，并且，添加<caffe_root>Buildx64Release到系统路径。
7 编译生成
打开.windowsCaffe.sln，全部生成即可。