1. 打开examples\mnist目录下的lenet_solver.prototxt文件，可以看到solver_mode: GPU这一选项，可以设置为GPU或者CPU
net和snapshot_prefix 设置为绝对路径
2. 打开examples\mnist目录下的lenet_train_test.prototxt文件，修改第一个和第二个layer的source为第一步生成的训练测试数据，
backend 需要与source mnist_train_leveldb对应，有的是lmdb如下图所示: source最好是绝对路径（减少不必要的麻烦）
3.打开cmd命令行，输入
便可以进行训练
4. 开始训练，如果出现下面错误
那么说明当前设置的CUDA的architecture与电脑的CUDA不匹配
打开CommonSettings.props可以看到CudaArchitecture选项，设置成电脑GPU的Architecture，重新编译之前的caffe工程。
说明：编译之前，一定要确定对应的CudaArchitecture是正确的，查看方法：右键libCaffe工程->属性
点开CodeGeneration对话框，下面有一个宏按钮，点击如下，找到CudaArchitecture，查看值是否正确(我的电脑GPU计算能力是3.0，因此设置为compute_30,sm_30)
4 测试
得到测试结果
.