Firebase AutoML模型（model.tflite）运行良好，而我准备的模型的准确性却较低（from 99% before converting to 60% after converting，尽管architecture is almost same.可能是什么问题？
我使用tf.lite.TFLiteConverter转换了模型。
我可以找到的唯一区别是在检查时：
我准备的模型中的quantization: 0 ≤ q ≤ 255。
quantization: -1.0078740119934082 ≤ 0.007874015718698502 * (q - 128) ≤ 1在firebase autoML模型中。...
这意味着什么？
也：
我在模型Firebase提供使用的同时使用了mobilenetv2_1.00_224/block_12_project_BN/FusedBatchNorm
module_apply_default/mnas_v4_a_1/feature_network/cell_9/op_0/project_0/add_fold
。
那就是我在检查时可以找到的所有区别。
我得到了95％的val精度，而Firebase是97％，它的模型工作正常，在手机上使用时不是我的。
from tensorflow import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'mob_best.h5')
tfmodel = converter.convert()
converter.quantize = False
open ("f.tflite" , "wb") .write(tfmodel)
Google在做什么，但我做不到！ 我使用Netron检查模型！