Python 量化TFlite模型及其Numpy实现的不同结果

我正在使用Tensorflow/Keras，希望量化模型参数，然后使用Numpy实现模型。 我建立了一维CNN模型，训练它，然后量化它的参数，到UINT8，使用Tensorflow训练后量化，然后提取权重和偏差，并将其导出到.npy文件。 在使用Numpy（dtype UINT8）构建相同的一维CNN后，使用提取的权重和偏差，我逐层检查结果，并与量化模型结果进行比较，得到不同的结果。 当我比较浮点模型的Numpy实现的结果时（没有量化到UINT8），我确实得到了与Keras模型输出相同的输出（因此我猜我的Numpy模型工作得很好：）

据我所知，解释器.get_input_details（）包括输入张量的量化比例和零点参数，如果我想将UINT8权重转换为float，这是必需的-对吗

---

我很乐意建议如何获得与量化Keras模型相同的结果

你能分享你使用的精确转换选项，以及你用来比较推断结果的代码吗？我很快会做的，你知道TF lite如何在执行转换后量化时向未经验证的模型添加层吗？