目的：想编译一套自己的模型，使用在安卓机器上面，识别自己自定义的数据集类型
步骤：1、使用labelImg.exe工具标注自己的VOC数据集，执行命令：python dataset/voc/create_list.py -d path/to/dataset，生成需要的trainval.txt和test.txt文件
2、使用命令开始训练：python -u tools/train.py -c configs/yolov3_mobilenet_v1_voc.yml ，使用的移动端模型，可正常训练完成，需要的时间比较长
3、导出可预测模型：python -u tools/export_model.py -c configs/yolov3_mobilenet_v1_voc.yml --output_dir=./inference_model
4、导出模型文件：paddle_lite_opt --model_file=__model__ --param_file=__params__ --optimize_out_type=naive_buffer --optimize_out=cpu_model --valid_targets=arm ；可正常导出手机端使用的nb模型文件，
目前问题：使用faster_rcnn_r50_fpn_1x.yml 训练的预测模型可在平台端实现正常的识别，使用手机端模型文件（yolov3_mobilenet_v1_voc.yml ）导出的模型文件放置到安卓手机端，不可识别到自己自定义标注的数据集：1、文件过大，两个类型的lables，大概有140M（示例程序里面的模型有80种类型才16M）；2、识别不了数据集类型
求助：请问一下，是我操作流程有问题还是其他的问题，有成功操作的麻烦指教一下，谢谢！
附上模型的部分参数：
architecture: YOLOv3
use_gpu: false
max_iters: 168
log_iter: 20
save_dir: output
snapshot_iter: 2000
metric: VOC
map_type: 11point
pretrain_weights: http://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV1_pretrained.tar
weights: output/yolov3_mobilenet_v1_voc/model_final
num_classes: 2
use_fine_grained_loss: false
faster_rcnn_r50_fpn_1x 140M是正常大小额
2、识别不了数据集类型
这句没怎么看懂，是自定义的标签没法用上吗
额，没看懂
训练的时候是faster_rcnn_r50_fpn_1x.yml？
然后这句，使用手机端模型文件（yolov3_mobilenet_v1_voc.yml ）……
这两个不是一回事啊
自定义数据集训练的模型，部署在手机端流程是这样的：
比如使用faster_rcnn_r50_fpn_1x.yml训练的模型，最后要export model，生成导出的模型
如果想要部署在手机端，那么就要用到paddle lite量化这个模型，最后会生成一个 .nb的文件，这个，才是真正能在手机段部署的模型
如果训练的时候是faster_rcnn_r50_fpn_1x.yml，那么要在手机端部署的，自然也是faster_rcnn_r50_fpn_1x.yml（前提是paddle lite能支持faster rcnn的算子）
至于文中提到的所谓手机端模型 yolov3_mobilenet_v1_voc.yml
它其实和faster_rcnn_r50_fpn_1x.yml是并列的，没有所谓平台端和手机端之分，两个各自可以实现平台端和手机端部署，但是最重要的是，他们是两个模型！不是一个平台一个手机所谓有先后关系的模型。
楼主之所以会误解yolov3_mobilenet_v1_voc.yml 是手机端模型，应该是没看懂yolov3_mobilenet_v1_voc.yml 的说明。
yolov3_mobilenet_v1_voc.yml 是【针对移动端】优化的模型， 在利用移动端有限算力的情况下，尽可能保持目标检测的准确性。正如你看到的，这个模型文件很小，因此它【很适合】——注意，是适合，不是必须，部署在手机端
相比之下faster_rcnn_r50_fpn_1x的模型文件可能就比较大了，推理速度也慢。但是，只要paddle lite的算子支持（印象中是支持），它也是可以部署在手机上的（无非就是预测非常卡）
使用这个模型faster_rcnn_r50_fpn_1x.yml，在电脑端执行预测python -u tools/infer.py，可正常输出检测到结果有lable名还有bbox框识别了，我现在是使用移动端模型进行预测的，就不能识别到lable，bbox这些数据；使用的是同一个数据集
使用faster_rcnn_r50_fpn_1x.yml训练的模型，导出模型export model，然后再使用opt工具导出nb文件，放置安卓端会异常退出，使用yolov3_mobilenet_v1_voc.yml训练的模型，不会异常退出，但是预测的时候也识别不了图片信息：也不报错
2021-09-23 10:24:46,974 - INFO - Load categories from dataset\label_list.txt
2021-09-23 10:24:48,089 - INFO - Infer iter 0
2021-09-23 10:24:48,121 - INFO - Detection bbox results save in output\1860.jpeg
训练的模型主要想应用在手机端，当然需要体积尽可能的小，现在是执行的过程中没有错，只是识别不了，主要是yml里面的一些参数不知道配置的对不对，按照faster_rcnn_r50_fpn_1x.yml这个配置的，不清楚到底是哪里的问题
关于部署模型到手机，可以看这两个项目
手把手教你部署移动端迁移学习模型（PaddleX、Paddle-Lite）
https://aistudio.baidu.com/aistudio/projectdetail/613622
超简单！目标检测模型EasyEdge APP开发示例
https://aistudio.baidu.com/aistudio/projectdetail/1741287
您得这么理解，对于PaddleLite部署方案，PC端训练的那个模型和部署到手机上的不是同一个
PC端能预测的模型，导出后，能不能通过opt转化成nb文件，这个不是100%支持的——甚至可以这么说，我遇到的情况，能转化成功的只有几个最常见的yolo和ssd模型，因为有些算子不支持。fastrcnn印象中就不支持……