【DONT MERGE】 test softmax speed

[phlrain]

其中 cinn/ir/fuse_block_model_fp16_test.cc 是softmax 在fp16下的测试case， kernel耗时，86微秒， 接近phi kernel的 82 微秒，

但是落后torch的 77.47 微秒

原因是，部分for loop没有进行merge，需要进一步merge，手动merge后，实测性能为 75 微秒，能够追平torch的实现

[paddle-bot[bot]]

Thanks for your contribution!