将NPU的nd转nz优化，作为常量折叠的一种方式，固化到xpu_graph中

[LeoLau94]

目前torch_npu里torchair中的实现如下
https://gitee.com/ascend/torchair/blob/master/python/torchair/experimental/inference.py#L12

我们可以参考这部分实现，对支持nz format的op进行无脑转化。

nz本质是做片下padding，如果我们能在编译阶段完成，实际上就是做了一个离线padding，这部分一般来说，总是有收益的。算子是否支持和具体的收益曲线，还需要与算子开发者进行一一确认。

torch_npu支持nz format的op列表请参考，高亮搜索internal_format_opapi字段即可查看支持的版本。

https://gitee.com/ascend/op-plugin/blob/7.0.0/op_plugin/config/op_plugin_functions.yaml

[LeoLau94]

这个特性应该会和算子版本紧密相关，我们建议开发者在这方便需要增加判断逻辑，做好防呆。

[LeoLau94]

@wwens7 对应的MR有什么进展不？

[LeoLau94]

@wwens7 相关进展可以开个issue更新，或者记在这里咯

[wwens7]

提 MR 等待 npu&ascend backend 统一就可以 review 合入了，开发记录&遗留问题我直接在 issue 那个 tag 里更新一下～

[LeoLau94]

好滴，我也等你这个优化看看收益呢