第二届hackathon trt比赛的初赛，encoder部分模型序列化出来后，output 的bingding index和 评测代码testEncoderAndDecoder.py中的index不一致，但是plan是正确的，只是output的index和评测代码不一致，想问一下为什么咱们的评测代码要用index去获取output而不是用name,这会导致我们序列化engine出的output index和代码提供的排序不一致，导致模型通过不了验证。还有就是我们如果使用FP16或INT8量化去优化模型，平均相对误差的数量级需要调整吗，还是不论是FP32,FP16，INT8统一都是按照testEncoderAndDecoder.py中给的阈值迁移验证我们的模型
答：testEncoderAndDecoder.py更新了一版（在最新的docker image中），新版中使用了与onnx模型相同的name来获取binding index。
不同精度模式的模型，采用相同的误差范围，其中包含了一个fp32转fp16的陷阱，可以用于增加区分度