目前使用騰訊所改寫的MTCNN detector做人臉偵測，其框架使用的是NCNN，但現階段我們是使用tensorflow or caffe 框架來訓練model，所以勢必要使用轉換程式將tensorflow or caffe轉為NCNN格式讓MTCNN detector使用，目前我們的環境如下圖所示，使用tensorflow 框架來訓練model，但必須先轉換為caffe 框架再轉為NCNN框架，為何要這麼麻煩呢?原因是tensorflow是現階段做深度學習最熱門的工具，但騰訊目前並無支援tensorflow直接轉NCNN(據說前陣子官方有提供，但bug太多，所以就停止支援，但未來若再提供，一定會更方便)，所以一定要先有中繼轉換再轉為NCNN，本篇就是教學如何建立出轉檔程式，並且成功生出NCNN格式的model。
為了編譯支援tensorflow 框架的Face detector的AP，其中使用到tensorflow c/c++ api，所以需要下載原始碼編譯出libtensorflow.so檔來使用，接下來就是介紹整個編譯環境的過程。
1. 簡介:
1. 甚麼是深度學習框架:
現在深度學習很熱門，為了要方便做出適合優秀的深度學習模型，各大社群或廠商紛紛堆出了許多方便建立深度學習模型的工具，作一個簡單的比喻，一套深度學習框架就是這個品牌的一套積木，各個元件就是某個模型或演算法的一部分，你可以自己設計如何使用積木去堆砌符合你資料集的積木。好處是你不必重複造輪子，模型也就是積木，是給你的，你可以直接組裝，但不同的組裝方式，也就是不同的資料集則取決於你，現在有Caffe、tensorflow ncnn 等等的工具可以使用，其中ncnn是中國騰訊所出的框架，在mtcnn 人臉偵測的ap，就是使用ncnn的格式。
在嵌入式平台中進行一些複雜算法的開發，一定需要用到指令及來進行加速，目前在嵌入式平台上做多使用的晶片就是ARM，這次我們要將mtcnn的人臉偵測AP porting到 ARM的開發平台上，針對執行的速度的進行優化的動作。
在mtcnn 人臉偵測AP分為兩個部分，一是執行演算法的library，即是ncnn library，在此源碼裡有提供ARM NEON功能來獲得較高的效能，需要用define的方式開啟，但開啟後還是會有下列幾個錯誤現象發生，需要一一處理。
