在使用tf.lite.Optimize.DEFAULT后，并不是DNN模型中的所有值都是量化的

。tf.lite.Optimize.DEFAULT是TensorFlow Lite中的一个优化选项，用于将模型转换为适合在移动设备上运行的轻量级模型。其中的量化是指将浮点数参数转换为更小的整数表示，以减少模型的存储空间和计算量。

然而，并不是所有的值都可以被量化。在使用tf.lite.Optimize.DEFAULT进行模型优化时，只有部分参数会被量化，而其他参数仍然保持浮点数表示。这是因为某些操作需要使用浮点数进行计算，例如某些激活函数或者某些层的权重。因此，即使使用了tf.lite.Optimize.DEFAULT，仍然会有一部分参数保持浮点数表示。

这种情况下，可以通过使用其他的优化选项来进一步减小模型的大小和计算量。例如，可以尝试使用tf.lite.Optimize.OPTIMIZE_FOR_SIZE选项，该选项会更进一步地量化模型中的参数，以减小模型的大小。另外，还可以使用tf.lite.Optimize.OPTIMIZE_FOR_LATENCY选项，该选项会针对模型的推理延迟进行优化，以提高模型在移动设备上的推理速度。

对于tf.lite.Optimize.DEFAULT后并未量化的模型参数，其优势在于可以保留更高的精度，从而提高模型的准确性。然而，这也意味着模型的存储空间和计算量会相应增加。因此，在选择优化选项时，需要根据具体应用场景和需求进行权衡。

在腾讯云中，可以使用腾讯云AI智能优化平台（https://cloud.tencent.com/product/aiot）来进行模型优化和部署。该平台提供了丰富的工具和服务，可以帮助开发者快速优化和部署各类AI模型，包括DNN模型。具体的产品和服务可以根据具体需求进行选择和使用。