ConvConcatFusionPass
融合模式
在concat算子前插入跳写算子，将原先通过concat拼接多个Conv2D内存的方式，修改成通过StridedWrite算子进行Conv2D内存拼接，以消除concat算子任务执行带来的性能消耗。
concat算子包括ConcatD/ConcatV2D，Conv2D算子包括Conv2D/Conv2D_Compress。
如下产品不支持StridedWrite，但会通过硬件实现StridedWrite类似功能，所以ConvConcatFusionPass也会匹配上。
子图中不存在Dequant和Quant时，有如下场景
场景一：
场景二：
场景三：
场景四：
场景五：
场景六：AIcore中cube和vector不分离时，不需要做mish融合。
场景七：AIcore中cube和vector分离时，需要做mish融合。
子图中不存在Dequant，但存在Quant时，有如下场景
场景一：
场景二：
场景三：
场景四：
场景五：
场景六：AIcore中cube和vector不分离时，还有如下场景。
子图中存在Dequant且不存在Quant时，有如下场景
场景一：AIcore中cube和vector不分离时，不需要做mish融合。
场景二：AIcore中cube和vector分离且至少一个分支存在mish算子时，需要做mish融合。
子图中存在Dequant和Quant，AIcore中cube和vector分离或不分离时，都存在如下场景
子图中存在Dequant和Quant且AIcore中cube和vector不分离时，还有如下场景。
使用约束
- 量化场景下该融合规则必须打开，否则会导致transdata输出的dtype不支持。
- 不支持动态shape场景。
- concat的输入（最后一个输入除外）C轴对齐时，该pass生效。
- concat的输入C轴跟DType对齐时，对Quant和mish算子融合生效。即concat的输入符合如下场景之一时，对Quant和mish算子融合生效。
- 原始DType为fp16和float时，dim C需要为16的倍数。
- 原始DType为int8，dim C需要为32的倍数。
- 原始DType为int4，dim C需要为64的倍数。
- 当concat输入分支中存在Pooling和mish算子时，则不对Quant算子和mish算子做融合操作。
- Requant生效的条件请参考V100RequantFusionPass或者V200RequantFusionPass。