量化模型以int8格式存储并加载

[XGZhang11]

需求描述： 需要将量化模型通过网络下发私有化现场，所以希望在存储时减小模型体积，以int8格式存储并下发，paddleinference部署时直接加载int8模型并转为fp32格式，用于tensorrt推理。

模型和环境： ppyolo_r18 paddle-develop paddleslim2.0 paddledetection2.0

问题描述：

1. 模型离线量化后，将数据类型强制转为int8后存储，未考虑量化scale，加载此模型后，精度会降低为0。
2. 如果将模型量化后分别存储scale与int8范围内的权重，加载模型后需要进行反量化操作。

[XGZhang11]

可以采用https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/fluid/contrib/slim/quantization/post_training_quantization.py#L1064 将模型权重保存为int8格式，并将权重的scale保存为该op的属性。 在推理端加载时，在load_combine这个op中将模型权重再转换为fp32，然后使用scale将权重反量化。

[Water2style]

需求描述： 需要将量化模型通过网络下发私有化现场，所以希望在存储时减小模型体积，以int8格式存储并下发，paddleinference部署时直接加载int8模型并转为fp32格式，用于tensorrt推理。

模型和环境： ppyolo_r18 paddle-develop paddleslim2.0 paddledetection2.0

问题描述：

1. 模型离线量化后，将数据类型强制转为int8后存储，未考虑量化scale，加载此模型后，精度会降低为0。
2. 如果将模型量化后分别存储scale与int8范围内的权重，加载模型后需要进行反量化操作。

同样的需求...老哥解决了吗