[Feature]: [OPS] CosineEmbeddingLoss算子适配aclnn

### 🚀 背景描述 CosineEmbeddingLoss 为标准 PyTorch 接口，用于以余弦相似度衡量两个张量的相似性。MindSpore 计划在 mint 层提供对外接口： - functional：`mindspore.mint.nn.functional.cosine_embedding_loss` - nn：`mindspore.mint.nn.CosineEmbeddingLoss` 本实现对齐 torch 的语义与公式，并在 Ascend 平台通过小算子组合（Meta DSL/小算子拼接 + PyBoost）实现，无单独 Primitive 原语。 目标：在 Ascend 平台功能对齐 torch（亦可选对齐 torch_npu/PTA），支持动态图/静态图、反向自动求导与常见 dtype/形态，满足 mint API 的一致性要求。 ### 设计思路 ### 标杆与接口（Benchmark & API） - 标杆接口： - `torch.nn.functional.cosine_embedding_loss` - `torch.nn.CosineEmbeddingLoss` - 对齐要点： - 公式：若 `y=1`，损失为 `1 - cos(x1, x2)`；若 `y=-1`，损失为 `max(0, cos(x1, x2) - margin)`。 - `reduction`：`'none' | 'mean' | 'sum'`。 - 输入形态：`input1/input2` 为 `(N, D)` 或 `(D)`；`target` 为 `(N)` 或 `()`（仅 0D/1D）。 - MindSpore 接口： - functional： ```python mindspore.mint.nn.functional.cosine_embedding_loss(input1, input2, target, margin=0.0, reduction="mean") -> Tensor ``` - nn： ```python class mindspore.mint.nn.CosineEmbeddingLoss(margin=0.0, reduction="mean"): def construct(self, input1, input2, target) -> Tensor ``` ### 任务清单（Tasks） | 序号 | 任务项 | 任务子项 | 状态（新增/修改/无变更/不涉及） | 备注 | | ---- | ------------------ | ----------------- | ------------------------------ | ---- | | 1 | 接口基本功能 | Primitive | 不涉及 | 通过小算子组合，无单独 Primitive | | | | functional | 新增 | `mint.nn.functional.cosine_embedding_loss` | | | | nn | 新增 | `mint.nn.CosineEmbeddingLoss` | | | | tensor | 不涉及 | — | | 2 | 后端及数据类型支持 | Ascend | 新增 | 支持 bool、uint8、int8/16/32/64、float16/32/64、bfloat16 | | | | GPU | 不涉及 | — | | | | CPU | 不涉及 | — | | 3 | 支持 vmap | …