算子替换信息：

NPU不支持模型原本使用的torchvision.ops.deform_conv2d算子，使用 mmcv.ops.ModulatedDeformConv2替换。此外也尝试过torchvision_npu.ops.deform_conv2d算子，性能最好到2.87 its/s。

基本优化手段后的性能

距离客户要求还差3倍；

Profiling观察结论：

（1）推理的最后阶段有Conv2d算子耗时最长；

（2）除去Conv2d算子，其余部分统计，free占比高,属于单算子调度产生的性能瓶颈；

希望咨询一下有效的性能优化手段或优化方向。