本文主要介绍：经过一番周折，在Windows7 64位系统下成功配置Caffe，下面总结一下基本的配置过程，以及配置过程中遇到的问题。
配置环境：Windows7 X64 + CUDA7.0 + VS2013 + Matlab2014a
1.安装CUDA
1.1. 版本选择
至于版本的选择，安装7.5、7.0和6.5版本都可以，安装包网上到处可见，分享一个自己安装的版本：http://pan.baidu.com/s/1i5AmAZb
1.2 安装过程
CUDA安装过程以及与VS关联过程参考：
（VS2013关联过程与VS2012相同）
1.3 更新显卡驱动
安装后，运行GeFroce Experience，点击“驱动程序”—>“检测更新”
2.配置Caffe
2.1. 下载Caffe及第三方库
文件下载地址见：http://blog.csdn.net/happynear/article/details/45372231，可以参考博客中的“一、准备”。（博客中“二、编译”不够明确，并且按照博客中的过程进行编译，会遇到一些问题，具体问题下文详细说明。）
2.2. 编译
（1）1、双击caffe-windows-master/src/caffe/proto/extract_proto.bat批处理文件来生成三个文件：caffe.pb.h、caffe.pb.cc和caffe_pb2.py，前两个c++文件，最后一个是python文件；
（2）打开caffe-windows-master/buildVS2013/MainBuilder.sln，打开之后切换编译模式至Release X64模式。如果打开之后显示加载失败，可能你的CUDA版本和工程中的不一致，工程中是CUDA 7.5版，这时就要用记事本打开caffe-windows-master/buildVS2013目录下各个文件夹内的.vcxproj文件，搜索CUDA 7.5，把这个7.5换成你自己的CUDA版本，就可以正常打开了。
（3）查看显卡GPU CUDA Capability的版本，方法：
step1: 右键“计算机”—>“属性”—>“设备管理器”—>“显示适配器”，如下图，
step2: 根据显卡型号，在https://developer.nvidia.com/cuda-gpus查看CUDA Capability的版本：
要查看显卡CUDA Capability版本的原因是因为：buildVS2013项目默认是开启cudnn的，而CUDNN要求GPU CUDA Capability 不低于3.0，如果CUDA Capability 版本低于3.0，在编译过程中，不关闭cudnn，则会出现类似问题：
http://www.aiuxian.com/article/p-2150379.html
http://blog.csdn.net/eagelangel/article/details/50562065
（4）修改工程预编译，关闭cudnn
如果GPU CUDA Capability 不低于3.0，则跳过该过程，低于的进行如下操作：
通过修改预编译来关闭cudnn，点击caffe工程，右键“属性”打开属性页，
删除“预处理器定义”中的USE_CUDNN，同理, 工作中的其他项目也删除USE_CUDNN
（5）修改matcaffe、pycaffe工程相关属性
Caffe接口可以是Python，也可以是Matlab，我选用的是matlab，所以把MainBuilder.sln过程中的pycaffe过程移除了，介绍一下matcaffe的修改过程，pycaffe工程类似：
step1:打开matcaffe工程属性页，添加matlab的 include路径和lib路径：
step2:连接器中添加附加目录：
（要根据自己的matlab路径进行添加）
（6）准备工作已经完成，点击“生成”进行编译，编辑过程中会花费较长时间。
编译完成后，会在”caffe-windows-master\matlab+caffe\private“生成caffe_.mexw64文件。
3.测试
3.1 配置
step1: 把文件夹 ***caffe-windows-master\3rdparty\bin添加到系统环境变量中，也可以直接把这些dll文件拷贝到“C:\Windows\System32”和“C:\Windows\SysWOW64”中；
step2: 把3rdparty\bin中的dll文件，拷贝到 “caffe-windows-master\matlab+caffe\private“中；
3.2 测试
step1：matlab 打开
“caffe-windows-master\matlab\demo\classification_demo.m”，classification_demo.m需要文件bvlc_reference_caffenet.caffemodel，可以到
http://dl.caffe.berkeleyvision.org/
下载，下载后放到“models/bvlc_reference_caffenet/”中；
step2: 运行[scores, maxlabel] = classification_demo();
运行结果：
4.遇到的问题及解决
当初配置过程参考的是：http://blog.csdn.net/happynear/article/details/45372231，编译过程中遇到一些问题，现总结一下。
4.1 编译时，matcaffe和pycaffe编译失败
解决：原因是编译时，需要matlab和python的一些头文件和库文件，过程中没有添加，需要自己添加一下，过程见本文2.2 （5）
4.2 编译成功，测试classification_demo.m时，出现错误：Invalid MEX-file “…….caffe_.mexw64”找不到指定的模块
如下图：
解决方法：按3.1过程进行配置。（当初使用的Matlab2013a，编译成功，但仍有该问题，最后卸载Matlab2013a，换成2014a，如果3.1配置不能解决，可以考虑该方法）
4.3 caffe.Net(net_model, net_weights, phase)函数出问题：glog check error, please check log and clear mex
该问题没有截图，大致提示为：
glog check error, please check log and clear mex
出错 caffe.Net (line 31)
self = caffe.get_net(varargin{:});
出错 classification_demo (line 84)
net = caffe.Net(net_model, net_weights, phase);出错后会生成一些文件，记录错误，打开文件夹“caffe-windows-master\matlab\demo”，会发现多了几个文件：
打开ERROR文件，会看到错误原因：
该问题“Check failed: status == CUDNN_STATUS_SUCCESS (6 vs. 0) CUDNN_STATUS_ARCH_MISMATCH”是因为：GPU CUDA Capability 版本低于3.0，解决方法见2.2 （3）、（4）