Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.
Ascend 950上新增算子Cummin，计算self中的累积最小值，并返回最小值以及对应的索引。
Cummin算子,基础算子。
Aclnn、pytorch单算子
int32,fp32,fp16,bf16
根据dim值合轴成为[M,R,N]， tiling key策略 根据N轴的大小，进行切分，分为R，N全载， N全载， N不能全载。 分核策略： 1.先将M切分，平均分到每个核上 2.对剩余M切分， 并切分N轴，将计算数量平均分到所有核上。
分为Init和Process两个阶段，其中Process阶段分为3个过程： 1.搬入 2.计算最小值 3.搬出
Ascend 950
无 💡 备注（选填）
Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.
一、背景信息 （必填）
Ascend 950上新增算子Cummin，计算self中的累积最小值，并返回最小值以及对应的索引。
二、价值/作用 （必填）
Cummin算子,基础算子。
三、设计方案 （必填）
3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）
Aclnn、pytorch单算子
3.2 总体设计
3.2.1 算子支持的数据类型
int32,fp32,fp16,bf16
3.2.2 host侧设计
根据dim值合轴成为[M,R,N]，
tiling key策略
根据N轴的大小，进行切分，分为R，N全载， N全载， N不能全载。
分核策略：
1.先将M切分，平均分到每个核上
2.对剩余M切分， 并切分N轴，将计算数量平均分到所有核上。
3.2.3 kernel侧设计
分为Init和Process两个阶段，其中Process阶段分为3个过程：
1.搬入
2.计算最小值
3.搬出
3.3 支持硬件
Ascend 950
3.4 算子约束限制
无
💡 备注（选填）