我分别使用yolov8、resnet50、efficientnet_b3、densenet201在自己的数据集上训练了几个分类模型，然后通过将pt（pth）模型转换为onnx模型，再将onnx模型转换为om模型。转换之后我发现，onnx模型相对pt（pth）模型损失的精度很小，但是om模型在推理时的预测率却是非常的低（使用转换后的yolov8om目标检测模型不会这样）。以下是我转换om模型时使用的命令：

atc --model=/home/HwHiAiUser/Desktop/yolo-project/onnx/efficientnet_b3.onnx \

    --framework=5 \

    --output=/home/HwHiAiUser/Desktop/yolo-project/om/efficientnet_b3 \

    --input_format=NCHW \

    --input_shape="input:1,3,300,300" \

    --log=info \

    --soc_version=Ascend310B4 \

    --precision_mode=force_fp32

使用onnx模型推理时，精度可以达到90%以上，但是om模型推理时的精度有时不到1%，为什么分类模型会出现精度损失这么高的情况？