使用MLU270做在线推理，相同的输入，但是模型量化后的输出与执行融合推理后的输出不一致，如下面显示的output1与output2，有差别，这正确吗？

简化代码：

#获取网络
net=IQinput().eval()
#加载原始权重
net.load_state_dict(torch.load('model_nozip.pth', map_location='cpu'), False)
# net.to(ct.mlu_device())
#调用量化接口进行模型量化
net_quantization = mlu_quantize.quantize_dynamic_mlu(net, {'firstconv':False}, dtype='int8', gen_quant=True)
#在cpu上运行推理，生成量化值，过一次量化后的模型
output1 = net_quantization(input1)
print(output1,output1.shape)
#保存量化后的模型
torch.save(net_quantization.state_dict(), 'model_quantization.pth')

#加载量化权重
net_quant = mlu_quantize.quantize_dynamic_mlu(net, gen_quant=False)
net_quant.load_state_dict(torch.load('model_quantization.pth'))
#将模型和输入数据拷贝到MLU上。
net_mlu = net_quant.to(ct.mlu_device())
input_mlu = input1.to(ct.mlu_device())


#执行融合推理
modeltrace= torch.jit.trace(net_mlu, input_mlu, check_trace=False)
#在tracedModel中保存了网络所对应的融合图，然后直接给定MLU的输入tensor就可以完成在MLU设备上的运算
output_mlu_fusion = modeltrace(input_mlu)
output2=output_mlu_fusion.cpu()
print(output2,output2.shape)

output1 与output2分别如下图第一、二行：