c++调用pytorch模型出现精度损失和精度上升

是Pytorch读图问题，PyTorch读图使用的是PIL库中的OPEN( )函数，读取的彩色图像的顺序是RGB；OpenCV的读图方式是imread( )函数，读取的彩色图像的顺序是BGR。要想将精度保持一致，需要将通道进行转换，在OpenCV读取BRG图像后加入函数cvtColor()，将通道调整为RGB顺序；或者在Pytorch中使用函数将RGB调整为BGR。要点是：保证图像在进入网络前的图像通道顺序一致，最后测试精度就会保持一致了。

 

Python调用及Libtorch (C++ API)调用深度学习模型 测试结果不一致
模型为SE-ResNet50
将模型pth文件转化为pt文件 :   jit. trace
 
 请问怎么会出现精度损失和精度上升的问题