声明一下，以下是我个人在配置过程中遇到的一些问题，每个人可能因为不同的操作系统、不同的参数等有一些不同的问题，仅供参考。首先希望读者可以看一下我之前写的博客-Mac极简安装Caffe并训练MNIST，这篇博客基于此。另外这篇博客可以说是一个问题集锦，而不是配置Python接口的整体流程。
首先用如下命令安装最新的Python，我安装的是2.7.11，
sudo pip install python之前protobuf和boost两个库都是不带Python的版本，这两个库的安装命令改成如下，
sudo brew install --build-from-source --with-python -vd protobuf
sudo brew install --build-from-source -vd boost boost-python安装成功之后执行，
make pycaffe出现如下问题，
python/caffe/_caffe.cpp:10:10: fatal error: 'numpy/arrayobject.h' file not found这是因为找不到numpy的路径，通过以下python脚本找到numpy的路径，
import numpy as np
np.get_include()上述脚本的执行结果是’/usr/local/lib/python2.7/site-packages/numpy/core/include’，需要将Caffe中Makefile.config对应部分修改如下，
# We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/local/lib/python2.7/site-packages/numpy/core/include这样make pycaffe就可以顺利进行了，但是在Python环境下导入caffe头文件会出现以下类似的问题，
ImportError: dlopen(/Users/mac/Desktop/caffe/python/caffe/_caffe.so, 2): Library not loaded: lib/libopencv_core.3.1.dylib根据GitHub上的解释，可能是系统自带的Python和自己安装的Python之间有冲突。
但是如果执行如下命令来查看Python的版本的话，会看到还是之前的版本，比如我的是2.7.10，
python --version执行如下命令，可以将Python更新成最新版本，
hash -r python此外将Makefile.config对应部分修改成如下，
PYTHON_LIB := /usr/local/lib /usr/local/Cellar/python/2.7.11/Frameworks/之后在Python下执行import caffe会出现如下三个问题，这都是缺少对应的库造成的，
ImportError: No module named skimage.io
ImportError: No module named scipy
ImportError: No module named matplotlib
依次执行下面三条命令来安装缺失的类库，
sudo pip install scikit-image
sudo pip install scipy
sudo pip install matplotlib经过以上步骤后，import caffe应该可以执行了，参照StackOverflow上的解答，编写如下的Python脚本，当然脚本中的路径都是我自己的路径，比如caffe是在桌面上，测试图片在特定路径下，自己按照情况修改一下。脚本中第三行是必须的，这样可以保证caffe中python文件夹下的类库可以导入到工程中。另外lenet_iter_10000.caffemodel是之前训练MNIST得到的model，每张图片需要归一化到28*28大小并且是灰度图片。
import os
import sys
sys.path.append("/Users/mac/Desktop/caffe/python")
import caffe
model_file = '/Users/mac/Desktop/caffe/examples/mnist/lenet.prototxt'
pretrained_file = '/Users/mac/Desktop/caffe/examples/mnist/lenet_iter_10000.caffemodel'
net = caffe.Classifier(model_file, pretrained_file, image_dims=(28, 28), raw_scale=255)
score = net.predict([caffe.io.load_image('./mnist/images/1.png', color=False)], oversample=False)
print score当然里面的测试图片来自于MNSIT数据集，如下给大家用来参考，
[[ 0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]]