用户您好，请详细描述您所遇到的问题。
1.硬件获取渠道：
2.当前系统镜像版本：x3j3_lnx_db_20220407
3.当前天工开物版本：ai_toolchain_centos_7_xj3: v2.2.3a
4.问题定位：模型转化优化-SoftMax软分类优化问题
5.开发的demo/案例：
6.需要提供的解决方案：
目前正在做立体匹配任务，需要对视差进行软分类。即"out = Sum(Softmax(x) * x)"，如上图模型所示
但是根据op_list和模型编译结果发现，SoftMax被编译在CPU上，以及后面的若干操作需要Tensor在BPU和CPU之间多次交，我怀疑在交替调用CPU和BPU流水线使得整体网络偏慢；
目前在core为2的情况下测得整体网络约155ms，编译后报告显示约82ms，推得上图模型花费约78ms
尝试过将mul算子强制编译在CPU上以减少两个设备计算的交替，在core为2的情况下测得整体网络约145ms
想请问在模型搭建和编译的时候还有没有优化softmax做软分类的实现方法