TensorFlow版本（从源代码或二进制安装）：2.3.0.dev20200609（二进制）
TensorFlow模型优化版本（从源代码或二进制文件安装）：0.3.0（二进制文件）
Python版本：3.6.9
我正在尝试比较基本keras模型的结果和两个量化变量（QAT和只是训练后量化），我设法获得了两个模型，但是问题是训练后模型显示出更好的结果（边际下降与基本模型相比）。现在人们会认为QAT方法会更好，但问题是该模型显示损失增加了约30-35％。这两个脚本都是按照TF网站上的官方指南制作的。单独的模型真的很基础（很少有CNN块和3个Dense层的分支。如有必要，我可以发布代码片段。我使用QAT尝试了多种方法：尝试使用起始lr，我正在使用的子集的大小，对模型的架构稍作更改。
最让我感到困惑的是，我会理解，如果训练后的量化结果同样糟糕或较差，但它们接近完美，那么QAT的结果就很糟糕，所以我不知道为什么优质的解决方案会更糟在这种情况下一个。