python导入caffe时出现python caffe报错：No module named google.protobuf.internal

系统中已经安装好了anaconda2，而在caffe使用的是anaconda2中的python，所以意味着anaconda2中没有安装protobuf

所以安装protobuf

conda install protobuf

注意，有时候下载速度特别慢，可能是因为anaconda使用的源是国外的源，所以网速特别慢，可以使用清华的源，更换源的方法如下：

conda config --add channels \ 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'

conda config --set show_channel_urls yes

这样就好了

---

关于pip 和anaconda下的pip

在/usr/bin/下面有一个pip这个是调用系统自带的python安装的，所以有时候，而我在caffe中，使用的anaconda的python，所以有时候会出现命名安装了，却提示未安装的情况，所以此时我要指定使用谁的pip

指定方法：
将anaconda下的bin中的pip文件复制到/usr/bin中，但是要命名为与原来pip不一样的名字，比如我的是：
sudo cp ~/software/anaconda2/bin/pip /usr/bin/pipAnaconda
这样在安装的时候
1. 如果要使用系统的pip，直接pip install packageName即可；
2. 如果要使用anaconda的pip，直接使用pipAnaconda install packageName 即可。

关于Conda和pip

conda

事实: Conda是一个包管理器； Anaconda才是一个python发行版。虽然conda是用Anaconda打包的， 但是它们两个的目标是完全不同的。

软件发行版是在系统上提前编译和配置好的软件包集合， 装好了后就可以直接用。包管理器是自动化软件安装，更新，卸载的一种工具。Conda，有命令”conda install”, “conda update”, “conda remove”, 所以很明显， conda是包管理器。

再来说说， Anaconda 和 Miniconda. Anaconda发行版会预装很多pydata生态圈里的软件，而Miniconda是最小的conda安装环境， 一个干净的conda环境。

但是，conda和Anaconda没有必然关系， 你可以不安装Anaconda的同时， 使用conda安装和管理软件。

误解 #2: Conda是一个python包管理器

事实：Conda是一个通用的包管理器，当初设计来管理任何语言的包。所以用来管理python包当然也是绰绰有余。

$ conda search –canonical | grep -v ‘py\d\d’

这句命令可以帮你找出不是 pip和virtualenv可以管理的python包，而conda可以管理

误解 #3: Conda 和 pip 是直接竞争关系

事实：Conda 和 pip 目标并不相同， 只有小部分子集有交集有竞争关系：比如python包的安装和环境隔离。

一句话就可以看出区别：

pip可以允许你在任何环境中安装python包，而conda允许你在conda环境中安装任何语言包（包括c语言或者python）。

如果我们只是关注python包安装，conda和pip也是为不同用户和不同目标定制的。如果你想在一个已有系统快速管理python包，那你应该选择pip，因为conda应该在conda环境中使用，而pip鼓励在任何环境中使用 。而如果，你想要让许多依赖库一起很好地工作（比如数据分析中的Numpy，scipy，Matplotlib等等）那你就应该使用conda，conda很好地整合了包之间的互相依赖。

误解 #4: 使用conda首先是不负责任并且会引起分歧的

事实：Conda作者多年来用python标准创造conda，只有在非常清晰合理的时候， 才使用其他工具。

你可能会问，我相信conda是遵循python标准的，但是它们为什么偏偏要撇开pip自己去造一套包管理器呢？为什么他们不直接去pip团队贡献想法呢？

事实上，一开始conda那伙人是想在pip社区贡献想法和代码的，但是像numpy，scipy这样对底层c库有复杂依赖的包管理需求，真的不多，所以社区不接受这样的不常有的需求。所以，他们只能自己去造conda包管理器了。

误解 #5: conda不能和virtualenv一起使用，所以它对我的工作没用

事实上：你可以在virtualenv环境下安装conda，但是最好用conda自己的环境工具，这样会和pip有更好的兼容性

你可以在virtualenv里面安装conda：

$virtualenv test_conda$ source test_conda/bin/activate
$pip install conda$ conda install numpy
也可以在conda中造虚拟环境：

$conda create -n yourenvname python=x.x anaconda$ source activate yourenvname

误解 #6: 现在pip用wheels了，conda没什么用了

事实：wheels只是解决了conda试图克服的许多困难中的一个， conda二进制编排还是有很多wheels没有的优势

wheels和conda都解决了预编译的代码安装问题（不仅仅是源代码安装）。但是wheel没有conda的依赖处理能力，wheels只能跟踪python代码的依赖关系，conda可以跟踪很多c代码的依赖关系，这为许多用numpy和scipy做科学计算优化的科学家省了不少心。

误解 #7: conda不是开源的；它是被盈利公司掌控的，如果有一天公司想收费了，那你就得付钱

Reality: conda (the package manager and build system) is 100% open-source, and Anaconda (the distribution) is nearly there as well.

Anaconda和conda都是standard BSD license开源标准。如果你还不放心，用pip install conda吧，这是完全开源的。

误解 #8: Conda 软件包本身都是闭源的吧？

事实: 虽然conda默认渠道没有完全开源，但是有一个社区牵头的conda-forge，它会推动conda的包和发行版完全开源。

误解 #9: 但是，如果Continuum Analytics公司倒闭，conda就不会存活了吧 ？

事实: conda没有和Continuum Analytics公司有很多牵扯；公司为社区免费提供支持服务，所有软件都有负责人，而不是公司全权负责。

10.解 #10: 每个人都应该抛弃(conda | pip)去用(pip | conda) ！

事实： pip 和 conda 是为不同目的存在的，我们应该更加关注怎么同时用好这两个工具，而不是只用一个