paraformer onnx-gpu耗时过长原因定位

[willnufe]

我这边做了一些尝试，初步定位到paraformer onnx-gpu耗时过长的原因：

1. predictor中的cif部分

可将其替换成 https://github.com/George0828Zhang/torch_cif
（CIF的一种快速并行的实现方式，但没确认是否等价于paraformer内部的实现）

2. onnxruntime 中 CUDA Settings的问题：

1. cudnn_conv_algo_search 的默认配置是 EXHAUSTIVE，这个选项的默认配置是比较耗时的，尤其影响卷积操作（通过打印的日志可以发现耗时的部分全部集中在 decoder 部分的Conv_kernel_time）

   "dur" :52419,"ts" :4481356,"ph" : "X","name" :"/decoder/decoders.X/self_attn/fsmn_block/Conv_kernel_time"

2. 因此需要将配置修改为下面的 providers 配置，同时我也确认过，tritonserver中有同样的配置，这样triton（paraformer onnx-gpu）的部署应该成为可能：

   providers = [
       (
           "CUDAExecutionProvider", 
           {"cudnn_conv_algo_search": "DEFAULT"}
       ),
       'CPUExecutionProvider'
   ]
   

[dtlzhuangz]

我前两天刚实现了一版，我这边看着没什么问题，如果方便的话，也帮忙测一下 #1791