AsendC:matmul A1-＞A2,B1-＞B2搬运优化

AsendC:A1->A2,B1->B2搬运优化

目前matmul A1->A2,B1->B2的搬运，均使用loadData的load2d接口来进行搬运。如下图的搬运流程。需要将A1中zN格式数据，搬运到A2中变成zZ格式的数据。

图1 A1->A2搬运的示例，数据类型为fp16，分形大小为16x16。

使用load2d指令搬运需要再M方向循环搬运。这样搬运会让内核scalar占比过高。后述介绍如何使用load3d接口来进行数据搬运。

for (uint32_t i = 0; i < M / 16; i++)
{
   
   
    AscendC::LoadData(
        dstTensor[i * K * 16],
        srcTensor[i * 16 * 16],
        AscendC::LoadData2dParams(
            0,
            static_cast<uint16_t>(K / 16),
            M / 16,
            0,
            0,
            false,
            0));
}

load3d接口介绍

load3的接口的介绍可查看loadData接口介绍load3d可将卷积的输入数据，映射为矩阵乘法的形式。当然可完成矩阵乘法的数据搬运。
load3d指令需要设置寄存器，可通过SetFMatrix API设置。SetFMatrix介绍
SetFMatrix函数原型。

__aicore__ inline void SetFmatrix(uint16_t l1H, uint16_t l1W, const uint8_t padList[4], const FmatrixMode& fmatrixMode);

注意：

1. 矩阵乘法计算时，需要将l1H设置为1。
2. FmatrixMode 有FMATRIX_LEFT和FMATRIX_RIGHT两种。和load3d中的fMatrixCtrl对应。FMATRIX_LEFT对应fMatrixCtrl=0，FMATRIX_RIGHT对应fMatrixCtrl=1。原因：AsendC将load3d多余的参数放置在寄存器中，并给予了两套寄存器。分别给A1->A2,B1->B2使用。设置寄存器通常比较耗时，并且都为重复操作。在最开始设置，可减少寄存器开销。

下面介绍在矩阵乘法搬运中的四种情况。

情况一

将A1上zN的数据，转换为A2 zZ的数据。不需要转置矩阵。

uint8_t padList[4] = {
   
   0, 0<