深度学习，两种模型保存加载后测试集准确度却不同

深度学习中，本人将训练好的模型，通过保存完整模型和只保存模型参数两种方式对模型进行了保存，在分别加载两种模型，并输入同一测试集后得到的准确度却相差较大，该怎么解决？

#模型保存
    torch.save(net, 'net.pth')
    torch.save(net.state_dict(), 'network_params.pth')
#加载
net1 = torch.load('net.pth')
output1 = evaluate_accuracy(test_data, net1)

net2 = Net()
net2.load_state_dict(torch.load('network_params.pth'),False)
output2 = evaluate_accuracy(test_data, net2)

#准确度评估
def evaluate_accuracy(test_data, net):
    net.eval()
    test_acc_sum= 0.0
    n = 0
    with torch.no_grad():
        for x,y in test_data:
            x = torch.unsqueeze(x, dim=1)
            x = torch.unsqueeze(x, dim=1)
            test_acc_sum += (net(x).argmax(dim=1) == y.argmax(dim=1)).sum().item()
            n += y.shape[0]
    return test_acc_sum  / n

我的解答思路和尝试过的方法

我想要达到的结果