模型转换成功，但预测结果不对

现在发现一个问题，caffe-ssd在GPU上跑同样的模型，同样的deploy，得到DetectionOut层输入数据是正确的
但是转换后的rknn模型，跑得到的两个output数据，其中我初步测了下得分数据，得分数据共计24656组
其中24652组数据被标记为背景，剩下标记为非背景的错的也离谱，本来应该得分高的种类，恰恰得分非常低，反而不该出现的种类得分反而高。不知道为何？
图片直接使用cv2.imread()加上bgr2rgb即便不做bgr2rgb也是错的离谱

补充一下：
我做过如下实验：
1.rknn.config中调整图片顺序为0 1 2 为 2 1 0
2.rknn.build()do_quantization=False/True
结果都一样，输出的维度、大小都正确，但是内容不对，
同样的图片，同样的caffemodel文件，同样的prototxt文件，在gpu跑就是对的。

rknn.config(channel_mean_value='104 117 124 1',reorder_channel='2 1 0')//也尝试过0 1 2顺序的格式，还是不行
这是训练文件
transform_param {
    mirror: true
    mean_value: 104
    mean_value: 117
    mean_value: 123
    resize_param {

检查下输出结果是不是NCHW