Tensorflow Lite：训练后量化后的Int 8推断

Question

在经过训练的keras模型上使用tensorflow lite进行训练后量化之后，我知道float32格式的权重将转换为int8格式。 但是在下面的link文档中，它表示：

  

推断时，权重从8位精度转换为   浮点数，并使用浮点数内核进行计算。这个   转换完成一次并缓存以减少延迟。

https://www.tensorflow.org/lite/performance/post_training_quantization

1. 那么，在推理过程中转换回float32之后是否会有量化损失？它将如何影响模型预测的准确性？
2. 我可以使用int8权重进行推理而无需转换回float32格式（使用C代码或纯python）吗？
3. 是否有一种方法可以将权重转换为推理所需的格式（例如float16或int16）并进行推理而无需再次量化？