转换步骤
参考链接：
Mxnet学习系列4----Caffe模型转换成Mxnet模型
Windows环境下转换工具的使用基本和这个博客说明相同，过程总结为：
1、下载mxnet源码（使用mxnet/tools/caffe_ converter文件夹下相关工具）
2、安装protobuf，是否安装及安装版本号可以看使用的python目录下Lib/site-packages/protobuf-xxx的情况。（如图可知版本为3.4.0，python版本为3.5）
3、下载protobuf complier，在https://github.com/google/protobuf/releases中找到相应版本（如2为protoc-3.4.0-win32.zip），下载解压后添加bin到环境变量（因为里面就一个exe文件，我直接把它放到mxnet的caffe_ converter下，可以正常使用）
4、双击caffe_ converter下的make_win32.bat，出现"done."命令窗口，即成功完成。
5、使用，在命令行窗口中cd到convert_model.py的路径下，执行命令：
python convert_model.py prototxt caffemodel outputprefix
如
python convert_model.py det1.prototxt det1.caffemodel det1
相关补充
Mxnet学习系列4----Caffe模型转换成Mxnet模型中有介绍遇到一些问题的解决办法。
如果出现某些层无法识别，可以尝试使用Caffe模型移植到MXNet提到的办法，找到mxnet中实现方法，并在convert_symbol.py进行补充。
更多的转换工具可以通过github上ysh329/deep-learning-model-convertor进行查阅。
其它问题
1、我在转换模型的时候遇到“TypeError: Expected a list of symbols as input”的问题，通过运行convert_symbol.py发现该转换工具是对caffe模型中层出现的次数进行统计，找到只bottom和top中只出现1次的层作为输出接口，因此当遇到输出层接relu层，并且其输出还是原输入层，可能导致以上问题。
一种修改方法为对.prototxt的bottom和top进行修改，使top为name值，下一层的bottom为上层name值；同时修改.caffemodel，在层的命名上是可见的；修改后保存，并使用python读取caffemodel文件的方法对比生成的文件是否符合要求，然后使用工具进行转换。
https://github.com/apache/incubator-mxnet/issues/3970
2、模型转换后会出现类似“prob_label”的层，里面没有任何内容，如果使用mx.model.FeedForward.load加载模型能正常加载，如果是mx.model.load_checkpoint可能出现“RuntimeError: prob_label is not presented”之类的错误，解决办法是添加一句arg_params[‘prob_label’] = mx.nd.array([0])。
知乎-mxnet下mtcnn人脸检测c++版本的实现（3）
3、当有多个输出数据时，出现一个输出正确一个输出错误，后来在网上查到caffe在转mxnet模型时本来应转换成SoftmaxActivation的softmax layer，转换成了SoftmaxOutput，修改方法是json中添加"multi_output": "1"的属性。