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