Windows 8 下 Caffe 安装配置全攻略：从环境准备到跑通示例

目标关键词：Windows 8 下 Caffe 安装配置

如果你现在还在用 Windows 8，又想把 Caffe 跑起来做深度学习实验，那这篇文章基本可以直接照着做。
Caffe 本身是一个偏老牌但很经典的深度学习框架，优点是结构清晰、推理速度快，适合做图像分类、目标检测、特征提取等任务；但它对编译环境要求比较高，尤其在 Windows 下配置时，经常会碰到 CUDA、cuDNN、Visual Studio、Boost、OpenCV 这些依赖问题。

Windows 8 不是现在的主流系统，所以安装 Caffe 时最容易踩坑的地方，通常不是 Caffe 本身，而是 系统版本、编译器版本、依赖库版本不匹配。
下面我会按「问题分析 → 解决方案 → 注意事项」的方式，尽量把流程讲清楚，适合新手一步一步跟着做。

一、问题分析：Windows 8 上装 Caffe 为什么容易失败

在 Windows 8 下安装 Caffe，常见卡点主要有这几个：

1. Caffe 原生并不是 Windows 优先支持的框架

Caffe 最初主要面向 Linux 环境，Windows 版是后来移植过来的，所以：

文档比较分散；
不同分支版本差异大；
对编译环境兼容性要求高。

2. Windows 8 的开发环境比较“老”

Windows 8 常配套使用：

Visual Studio 2013 / 2015
CUDA 8.0、CUDA 9.0 左右的老版本
对应版本的 cuDNN

如果你直接装最新版 CUDA、最新版 VS，往往会出现：

找不到编译器
生成失败
GPU 不可用
DLL 缺失
OpenCV 版本冲突

3. 依赖库多，版本必须对应

Caffe 需要的核心依赖包括：

Visual Studio
CMake
Boost
OpenCV
gflags
glog
protobuf
snappy、leveldb、lmdb
CUDA、cuDNN（如果要用 GPU）

只要其中一个版本不对，编译就可能报错。

二、安装前准备：先确认你的电脑适不适合

在正式装之前，先看硬件和系统是否满足基础条件。

1. 系统要求

建议：

Windows 8 64 位
最好升级到 Windows 8.1，兼容性通常更好
管理员权限账户

2. 硬件要求

最低建议：

内存 8GB 起步，16GB 更稳
硬盘至少预留 30GB 以上
如果要跑 GPU，显卡需支持 CUDA

3. 显卡要求

如果你想使用 GPU 版 Caffe：

NVIDIA 显卡
支持 CUDA
驱动版本和 CUDA 版本匹配

如果只是学习和验证，可以先装 CPU 版 Caffe，难度会低很多。

三、推荐安装方案：先装 CPU 版，再考虑 GPU 版

对 Windows 8 用户来说，最稳的路线是：

先把 CPU 版 Caffe 跑通
再根据需要升级成 GPU 版 Caffe

这样做的好处是：

先验证环境是否正确
避免一上来就被 CUDA/cuDNN 卡住
更容易排查问题

四、Windows 8 下 Caffe 安装配置步骤

下面以 Windows 下常见的 Caffe 配置方式 来讲，整体思路是：
安装开发环境 → 安装依赖库 → 修改配置文件 → 编译项目 → 测试运行

第一步：安装 Visual Studio

安装时注意

勾选：

Desktop development with C++
Windows SDK
MSVC 编译工具

注意事项

不要只装“精简版”或缺少 C++ 工具链的版本，否则后面 Caffe 会编译失败。

第二步：安装 CMake

Caffe 的 Windows 编译一般离不开 CMake。

建议版本

CMake 3.5~3.18 之间都可以尝试
太新的版本可能和老工程不兼容

安装后配置

把 CMake 的安装目录加入环境变量 PATH，例如：

C:\Program Files\CMake\bin

验证方法

打开命令提示符，输入：

cmake --version

如果能显示版本号，说明安装成功。

第三步：安装 Git

Git 用来拉取 Caffe 源码。

下载并安装

安装 Git for Windows 即可。

验证

git --version

第四步：下载 Caffe Windows 版源码

Windows 上通常不是直接用主仓库的 Linux 版本，而是用移植好的 Windows 分支。

常见做法

下载 Windows 支持更好的 Caffe 分支源码包，或者用 Git 拉取对应仓库。

目录建议放在类似：

D:\caffe

注意

路径尽量不要太深，也不要放在含中文、空格、特殊符号的目录中。
例如：

推荐：D:\caffe
不推荐：D:\我的文档\深度学习\caffe源码

第五步：安装并配置 Boost

Boost 是 Caffe 编译里很常见的依赖库。

安装建议

下载与 Visual Studio 对应的 Boost 版本。
如果你是 VS2013 / VS2015，建议选兼容性较好的老版本 Boost。

编译 Boost

如果下载的是源码包，通常需要自己编译：

bootstrap.bat
b2

但 Windows 下很多人会直接使用预编译版本，省事很多。

设置环境变量

例如：

BOOST_ROOT=D:\Boost

并把 Boost 的库路径加入：

D:\Boost\lib

第六步：安装 OpenCV

Caffe 做图像处理时经常需要 OpenCV。

原因

太新的 OpenCV 版本，老 Caffe 工程可能会有 API 兼容问题。

环境变量示例

假设 OpenCV 安装在：

D:\OpenCV

那么可以添加：

OPENCV_DIR=D:\OpenCV\build\x64\vc12

不同版本目录名会不一样，比如：

vc12 对应 VS2013
vc14 对应 VS2015

第七步：安装 protobuf

protobuf 是 Caffe 的核心依赖之一，用于定义网络结构。

注意版本

protobuf 版本和 Caffe 的兼容性很重要。
老 Caffe 通常更适合较低版本 protobuf，避免用太新的版本。

检查重点

要确保：

protoc.exe 可用
.lib 和 .dll 路径配置正确

验证命令：

protoc --version

第八步：安装 gflags、glog、leveldb、lmdb 等依赖

这些库在 Caffe 里经常都会用到。

常见处理方式

使用 Caffe Windows 分支自带的第三方依赖配置
或自己手动编译这些库
或直接使用别人整理好的 Windows 预编译依赖包

新手建议

优先找 已经打包好的 Windows 依赖合集，会省很多时间。
因为单独编译这些库，报错概率很高。

五、配置 Caffe 项目文件

Caffe 在 Windows 下通常需要修改一些配置文件，不然编译不起来。

1. 复制配置模板

在 Caffe 源码目录里通常会有：

Makefile.config.example
Windows 工程配置文件
CMakeLists.txt

你需要根据说明修改相应配置。

2. 配置 include 和 lib 路径

重点要让系统知道这些库在哪：

Boost
OpenCV
Protobuf
CUDA
cuDNN

3. 如果用 GPU，还要开启 CUDA

通常要确保配置中类似下面的选项被启用：

USE_CUDA=1
USE_CUDNN=1

如果只是 CPU 版，则关闭 CUDA 相关选项。

六、编译 Caffe

这是最关键的一步。

方法一：用 Visual Studio 直接打开工程编译

很多 Windows 版 Caffe 会提供：

.sln 解决方案文件

打开后，按顺序编译：

caffe
libcaffe
pycaffe（如果需要 Python 接口）

方法二：用 CMake 生成工程再编译

常见流程如下：

cd D:\caffe
mkdir build
cd build
cmake ..

如果要指定生成器和版本，可按实际环境调整。

然后打开生成的 VS 工程进行编译。

七、常见编译报错与解决办法

下面是 Windows 8 下最容易遇到的问题。

1. 提示找不到 cl.exe

原因

Visual Studio 没装 C++ 编译工具，或者环境变量未生效。

解决

确认安装了 C++ Desktop 工具
从 VS 的开发者命令提示符启动编译
检查 MSVC 路径

2. 提示找不到 protobuf / boost / opencv

原因

库路径没配对。

解决

检查：

include 路径
lib 路径
bin 路径
环境变量是否设置正确

3. 链接时报错 LNK1104

原因

经常是 .lib 文件找不到。

解决

确认库文件名称是否正确
确认是 x86 还是 x64 版本一致
确认 VS 工程平台和库平台一致

比如：

工程是 x64
你却链接了 x86 库
这就一定会失败。

4. 提示 DLL 缺失

原因

运行时找不到对应动态库。

解决

把相关 .dll 文件复制到：

可执行文件目录
或加入系统 PATH

常见需要检查的 DLL：

opencv_worldxxx.dll
libglog.dll
libprotobuf.dll
cudart64_xx.dll

5. GPU 不可用

原因

CUDA、cuDNN、显卡驱动版本不兼容。

解决

检查 NVIDIA 驱动
检查 CUDA 版本
检查 cuDNN 是否对应
确认 USE_CUDA 和 USE_CUDNN 已开启

八、如果你只是想先跑通，建议这样做

对 Windows 8 用户来说，最稳妥的方案是：

方案 A：CPU 版优先

适合：

学习 Caffe
验证安装
不追求 GPU 加速

优点：

少很多驱动问题
编译难度低
更容易成功

方案 B：直接使用别人打包好的 Windows 版 Caffe

适合：

不想折腾编译
只是想快速跑模型

优点：

省时间
省心

缺点：

版本不一定完全适合你的项目
后期扩展受限

方案 C：改用 Linux 虚拟机或双系统

如果你是认真做深度学习开发，实际上更推荐：

Ubuntu
WSL 不适用于 Windows 8
或双系统

因为 Caffe 在 Linux 下配置明显更顺手。

九、Python 接口安装与配置

如果你要在 Python 里调用 Caffe，还要额外配置 Python 环境。

1. 安装 Python

老版 Caffe 常用：

Python 2.7

这是因为很多旧版 Caffe 的 Python 绑定对 Python 3 支持不好。

2. 安装依赖

通常需要：

numpy
protobuf
matplotlib（可选）

3. 配置 PYTHONPATH

例如把 Caffe 的 Python 目录加入：

PYTHONPATH=D:\caffe\python

4. 测试导入

打开 Python，执行：

import caffe

如果不报错，说明 Python 接口配置成功。

十、测试是否安装成功

安装完后，不要只看“编译通过”，一定要做实际测试。

1. 运行官方示例

如果源码里带有示例模型或测试程序，先跑一个简单的分类测试。

2. 检查命令行输出

重点看：

模型是否加载成功
是否识别到 CPU / GPU
是否有 DLL 缺失报错

3. 测试 Python 导入

import caffe
print(caffe.__file__)

十一、Windows 8 下安装 Caffe 的实用避坑技巧

1. 路径越简单越好

建议统一放在：

D:\caffe
D:\opencv
D:\boost
D:\protobuf

2. 所有依赖版本要统一

重点是：

VS 版本
OpenCV 版本
CUDA 版本
cuDNN 版本
编译平台 x86 / x64

不要混用。

3. 尽量使用 64 位环境

今天大多数深度学习环境都建议：

系统 64 位
软件 64 位
库 64 位

4. 优先用稳定老版本

Windows 8 本身就不算新系统，别一股脑上最新版依赖。
老系统更适合老版本组合，兼容性通常更高。

5. 先 CPU 后 GPU

先把最基本的编译流程跑通，再上 CUDA，不然排错会很痛苦。

十二、推荐的安装顺序总结

如果你想按最稳流程走，可以直接照下面顺序：

安装 Visual Studio 2013/2015
安装 CMake
安装 Git
下载 Caffe Windows 分支源码
安装 Boost
安装 OpenCV
安装 protobuf
配置环境变量
生成或打开 VS 工程
编译 CPU 版
测试运行
需要 GPU 时再安装 CUDA 和 cuDNN
再编译 GPU 版

十三、一个更稳的实际建议

如果你的目标是：

学习深度学习基础
跑通 Caffe
做简单实验

那 Windows 8 上最推荐的方案是：

Visual Studio 2013
Caffe Windows 分支
OpenCV 2.4.x / 3.x 老版本
Boost 稳定版
先 CPU 版
路径全部使用英文短路径

如果你目标是：

真正长期开发
做 GPU 训练
减少环境问题

那更建议直接换到：

Windows 10
Ubuntu 18.04 / 20.04

因为从维护成本来看，Windows 8 配 Caffe 并不轻松。

十四、结论

Windows 8 下 Caffe 安装配置的关键，不是“会不会装”，而是“版本能不能对上”。
只要你把 Visual Studio、CMake、Boost、OpenCV、protobuf、CUDA/cuDNN 这些依赖按正确版本配齐，并且保持 x64、路径简洁、先 CPU 后 GPU 的思路，Caffe 还是可以在 Windows 8 上跑起来的。

最稳的做法就是：