caffe自己新建项目的例子，主要是配置include lib dll都是坑，而且还分debug和release两个版本。

而且添加输入项目需要注意，而且需要把编译好的caffe.lib等等一系列东西拷贝到当前项目下。

caffe的另外一个坑就是：F0519 14:54:12.494139 14504 layer_factory.hpp:77] Check failed: registry.count(t ype) == 1 (0 vs. 1) Unknown layer type: Input (known types: Input ) 原来是要加头文件！http://blog.csdn.net/fangjin_kl/article/details/50936952#0-tsina-1-63793-397232819ff9a47a7b7e80a40613cfe1

然后就可以编译通过caffe 了，下一坑：

string model_file = "D:\\caffe\\caffe-master\\mypower\\deploy.prototxt";//prototxt 这个必须是depoly

string trained_file = "D:\\caffe\\caffe-master\\mypower_iter_2000.caffemodel"; //这个是训练好的model
string mean_file = "D:\\caffe\\caffe-master\\mypower\\imagenet_mean.binaryproto";
string label_file ="D:\\caffe\\caffe-master\\mypower\\synset_words.txt"; //这个是样本标签 
Classifier classifier(model_file, trained_file, mean_file, label_file);

经过实验发现小样本数据很容易过拟合。

下一步两步走：第一步把训练数据也放到测试数据中 有点假

第二步用Data Augmentation方法（转）基于keras 扩展数据

caffe window接口的例子