照例先吐槽一番，毕竟QQ空间不是csdn，不是用来进行技术研讨的，所以随心一点~ 一把年纪的还要来学习编程，，学习C++和Python真是有一种欲哭无泪，骑虎难下的感觉，但是走上了DeepLearning这条路，特别是选择了Convolutional Neural Network，这个就不可避免了，原来大家公认的科研神器Matlab在DL面前只能低下高傲的头了，当然除非是哪个像Alex一样的大神跳出来开发一个可以媲美cuda-convnet的Matlab版的CNN，我定会感激涕零的。这个指南，一个是个为需要研究用AlexNet研究cnn的小伙伴一个参考，更重要的还是给自己一个备案和深刻记忆的地方。本文撰写的很细，我想特别适合于向我一样的新手。cuda-convnet是Imagenet2012 论文的一个Python的实现，应该也是目前最好的cnn的工程，也许有人对比Caffe，但是根据调查，cuda-convnet应该比caffe效果更好，毕竟Alex实在太强大了，但是Caffe应该相对简单，模块化，有社区讨论，孰优孰劣，只有小朋友们自己选择了。原来的项目是基于Linux的，所以有了修改到Windows下可能会有一些性能损失，但是对于不会Linux的小伙伴，这个应该也是一个福音。 第一次搞c++，第一次搞cuda，真的是折腾死我了，但现在回过头来看似乎也没有多难，但是第一次做的一件事，必然会遇到不少麻烦。周日搞了一天没搞定，今天下午也算运气好，失败了两次，就成功了，其实过程中似乎也没有什么特别新的感悟，大概还是文件下对，细心配置吧。所以小伙伴们如果在参考的过程中，遇到不懂的可以问我，遇到报错还是google吧，因为我也解答不了。毕竟在编程领域还是个新的发嫩的新生。至于想要吐槽的就直接绕道吧。本文用的软件出了Python是必须2.7，基本都是最新版本，包括最新发布的CUDA6.5和最新版的Visual Studio 2013所以我没有开放百度云给小伙伴偷懒，还是去参观一下作者的官网吧，有利无害。
致谢
1. 感谢顶尖大神@Krizhevsky Alex，开放了这个让全世界人民都受益的cuda-convnet2. 感谢@Oriol Vinyals同学提供了cuda-convnet 在windows下的的Visual Studio 2010的工程文件，为我们这些痛恨Linux的小朋友提供了便利3. 感谢@陈理同学的教程和耐心指导4. 感谢为本文提供各种开源软件，库文件和编译器的各种公司和大神们~
准备工作：
Visual Studio 2013 ，这个东西任何一个学生和老师，都可以用你的edu邮箱去Microsoft Dreamspark网站免费下载正版软件，感觉微软对于科研的贡献居功至伟。（当然为了保护版权，大家仅作为科研使用，就不要传播了）Python2.7x64with numpy (我这里用的是Anaconda (), 它集成了不少Python的dll，简单暴力）CUDA 6.5RC（CUDA的最新版本，因为用的是VS2013所以必须要6.5版本之后的才能支持, 幸运的是nVidia就在上个月刚刚发布，因为是最新版本，所以需要申请为开放人员，大概有1个小时的账号审核周期，耐心等待）。本文的GPU使用的是GTX 770，理论上支持CUDA的GPU应该都可以，但没有测试过。LIBS.zip(这个压缩包已经包含了不少的 dll 和 lib 文件，包括openBLAS和pthread-x64。当然如果有特殊需要，你也可以去相应的官网下载这些库文件的原始版本，这里就不提供下载了，自己搜索一下就ok了。源文件保存在Dropbox上，如果小朋友被墙了，可以找我，我传给你。也可以去下载前面说的两个包，基本上就用到那两个东西)Intel Math Kernel Library Evaluation Options (30 days free trial…)Intel的数学计算库文件，原版是收费的，不过我们只是用它的MKL，下个评估版的也没问题，不用它的编译器就好了。 注册后，会生成一个这样的安装序列号：V3F3-LPK7Z93Mcuda-convnet windows版本的 Visual Studio 2010project文件，本文在此基础上进行修改。cuda-convnet的源文件，有很多版本，大家自己选择吧，本文使用的是改进版的，支持Dropout功能。原版cuda-convnet：https://code.google.com/p/cuda-convnet/改进版cuda-convnet：https://github.com/dnouri/cuda-convnet其中4，6，7分别解压放到一个文件夹下，比如：D:\Demo\cuda-convnetDependency Walker x64, 这玩意挺关键的，主要是后面调试程序之前使用的，可以先下载的备用。
配置 cuda-convnet工程：
1. 编辑解决方案源文件“pyconvnet.vcxproj"，第97行和254行。注意此处要根据自己安装的CUDA的信息来进行设置。
<Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 4.0.props" /><Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 6.5.props" /><Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 4.0.targets" /><Import Project="$(VCTargetsPath)\BuildCustomizations\CUDA 6.5.targets" />
2. 重新载入项目pyconvnet，修改项目的配置管理器中的解决方案配置：Release，平台：x64：
3. 修改：属性-配置属性-常规
目标文件名：convnet_ ，这个很重要，可能是因为源文件设置的原因，不改成这个运行会报错，当然如果使用的是原始的Alex版那就不需要修改了。
目标文件扩展名：.pyd
平台工具集：Visual Studio 2013 (v120)
配置类型：动态库(.dll)
青春一经典当即永不再赎
