使用yolov3模型进行迁移学习，结合名为saved_model_full的pre-trained model。
训练至第4、5个epoch时其权重文件便获得了不俗的推断表现。
训练至第7/8个epoch时loss值不降反增，微小的loss值升高体现在模型推断能力上便是bouding box标注的不准确/图像中目标类别物体标注不全面。
通过对最终saved_model的比对，epoch-5.index文件能获得最优的推断结果。
这种U形训练曲线并不少见，若有条件应适当提升训练epoch值或对模型超参数进行微调等，以期获得更好的训练效果。剧照镇楼：
另外，基于LeNet-5的量化感知模型所得的Quant test accuracy出奇地好，甚至优于原本模型。推测是进行quantization_aware_training时适当调整了原始浮点模型(进行模型fine-tune)或是调整了计算单元的类型所致。
