rms_norm融合优化

问题分析

rms_norm常见于LLaMA、LLaMA2、Baichuan等LLM模型中用于归一化，由于torch侧没有提供rms_norm算子的接口，因此在模型中通常是以自定义的形式出现，这种形式的执行效率相对较低。

解决方法

MindSpeed将rms_norm操作合并成一个算子，减少数据传输和临时存储。算子接口见link。

使用场景

模型使用rms_norm作为归一化方式，脚本中设置了--normalization RMSNorm。

使用方法

Legacy分支下，设置--use-fused-rmsnorm即可调用rms_norm融合算子。mcore分支下默认使能该融合算子，与竞品策略保持一致。

使用效果

开启融合算子可以节省内存，提升性能。