1.基于tensorflow-lite

采用开源实现生成相应的pb文件，然后转化成tflite文件，此处注意mtcnn是多输出，转化时参考指令，该实现里面的2d prelu 需要最新的版本的tflite才支持，所以在编译生成iOS版本的tflite库时注意版本，另外在使用tensorflow模型转化为tflite模型时一定要指定batchshape，否则转化可能失败。
至于含有tflite的工程运行，可以参考这篇文章,其中的量化和非量化模型的问题要注意，一般我们都是使用非量化的，tensorflow 也有相应的demo，量化demo,非量化demo
这两个demo的运行可以参考这个

2.基于ncnn

采用开源实现，caffemodel 转化为ncnn支持的模型以及在ncnn上面部署，参考这篇文章

3.基于coreml

采用开源实现，caffemodel 转化为coreml支持的模型，参考此处，此处要注意，coreml只支持固定此处宽高的图片输入，所以pnet的图像金字塔输入需要拼成一张图输入，还有该开源实现，是列优先，所以三层网络的图片要先倒置一下