1.CommonSettings设置
cuda版本要填相应的，cudnn复制到cuda的路径下，其他的就不用修改了。
下面这个cuda框架要查你的gpu计算能力，按照对应的填，比如750ti是50,GTX1080是6.1等等。
compute_35,sm_35;compute_50,sm_50
官网查询之外也可以利用cuda的C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5下的工具，
用VS生成1_Utilities\deviceQuery工程。
在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\bin\win64\Debug里面可以找到。
然后打开CMD运行这个deviceQuery.exe就可以看到你的GPU参数了，包括驱动版本、计算能力等等。
如果最后显示pass，那么cuda以及c++编译环境就配置好了。
如果编译出现很长的一串错误：S:\NugetPackages\OpenCV.2.4.10\build\native\\private\coapp.NuGetNativeMSBuildTasks.dll 加载任务“NuGetPackageOverlay”。未能加载文件或程序集“file:///S:\NugetPackages\OpenCV.2.4.10\build\native\private\coapp.NuGetNativeMSBuildTasks.dll”或它的某一个依赖项。系统找不到指定的文件。 请确认 声明正确，该程序集及其所有依赖项都可用，并且该任务包含实现 Microsoft.Build.Framework.ITask 的公共类。S:\NugetPackages\OpenCV.2.4.10\build\native\OpenCV.targets 768 5 libcaffe
这个解决办法是右键libcaffe工程，管理Nuget库，在里面把opencv2.4.10卸载了，重新安装，继续编译就能解决这个错误。
2.编译matcaffe
最常见的错误是"gpu/mxGPUArray.h" Not Found。这个是因为MATLAB
新版本中gpu文件夹已从\extern\include独立出来了，将
$(MatlabDir)\toolbox\distcomp\gpu\extern\include添加到附加路径下，再生成matcaffe就可以了。
然后将Build下面的matcaffe添加到MATLAB的搜索路径中，运行example/demo就可以测试matcaffe了。
如果运行的时候报错说缺少DLL，那么就把Build里面生成的dll文件都拷到Windows/SysWOW64中，然后重新进入MATLAB就可以了。
3.pycaffe
Python推荐安装anaconda，和MATLAB一样，将路径添加到相应的位置。
安装anaconda以后，编译一般不会出问题，编译完成以后将Build里面的pycaffe/caffe复制到anaconda/Lib/sit-packages/。
然后运行Python，import caffe。
就会出现No module named google.protobuf.internal，这个问题的解决办法是pip install protobuf。
如果提示找不到合适的版本，那就加上一句pip --allow-all-external，就是说可以安装未知源的protobuf。
装好以后基本就可以解决了，再次测试import caffe，如果不报错则caffe的Python借口配置好了。
