背景：优化CPU后端常规网络训练性能，性能profiling采用关键步骤打点方式，性能优化时精度不变化。
1 网络脚本优化
1.1 消除训练后推理，复用训练的正向输出
class WithLossCell(nn.Cell):
def construct(self, *data):
...
out = self._backbone(*data)
# return self._loss_fn(out, idx)
return self._loss_fn(out, idx), ops.stop_gradient(out) ## ops.stop_gradient 截断梯度，屏蔽out对梯度影响
1.2 batch计算代替for循环
# opt_ca_indexes = [valid_cell_idx.asnumpy()[ni] for ni in range(len(vertices))]
opt_ca_indexes = valid_cell_idx_np[:len(vertices)].tolist()
1.3 直接索引，不需要转numpy
# opt_ra_indexes = [valid_cell_idx.asnumpy()[ni] for ni in range(len(vertices))]
opt_ra_indexes = [valid_cell_idx_np[ni] for ni in range(len(vertices))]
1.4 优化代码，消除重复计算
2 高性能算子
分析发现matmul算子对接onednn、eigen算子库性能差异显著，arm机器eigen算子库性能高，x86机器环境onednn算子库性能高。
MindSpore提供Python API接口调用算子，在底层被调用算子根据实现逻辑分别接入CANN、CUDA、Eigen等框架。
mindspore三方算子库oneMKL、ondDNN路径：mindspore/ccsrc/plugin/device/cpu/kernel/mkldnn/
