我有一个模型，可以从图像（-1，1之间的数字）中提取512个特征。我使用这里的指令转换此模型来tflite浮点格式 https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/lite
我在与原始模型和tflite模型相同的图像上进行推断。
我得到的矢量结果不同，我期望得到非常相似的结果，因为我没有使用量化格式。从我的理解中，tf-lite应该只会改善推理性能，而不会影响特征计算。
我的问题是正常的吗？其他人遇到过这个吗？我在任何地方都没有找到与此有关的任何主题。
用代码更新。
我已经训练过这个网络（由于无法共享整个网络，因此删除了很多项目）占位符= tf.placeholder（name ='input'，dtype = tf.float32，shape = [None，128,128，1]）
with slim.arg_scope([slim.conv2d, slim.separable_conv2d],
activation_fn=tf.nn.relu, normalizer_fn=slim.batch_norm):
net = tf.identity(placeholder)
net = slim.conv2d(net, 32, [3, 3], scope='conv11')
net = slim.separable_conv2d(net, 64, [3, 3], scope='conv12')
net = slim.max_pool2d(net, [2, 2], scope='pool1') # 64x64
net = slim.separable_conv2d(net, 128, [3, 3], scope='conv21')
net = slim.max_pool2d(net, [2, 2], scope='pool2') # 32x32
net = slim.separable_conv2d(net, 256, [3, 3], scope='conv31')
net = slim.max_pool2d(net, [2, 2], scope='pool3') # 16x16
net = slim.separable_conv2d(net, 512, [3, 3], scope='conv41') …