Backgroud（背景信息）

rnn/dynamic_rnn 与 rnn/dynamic_rnnv2 的 framework 目录保留一组基于 REGISTER_CUSTOM_OP 注册的 TensorFlow 插件
（block_lstm_tf_plugin.cpp / dynamic_rnn_tf_plugin.cpp / dynamic_rnnv2_tf_plugin.cpp），用于将 TF 源算子
BlockLSTM、DynamicRNN/DynamicRnn、DynamicRnnV2/DynamicRnnv2WithoutSeqlength/DynamicRnnv2WithSeqlength 映射并融合解析
为 CANN DynamicRNN/DynamicRNNV2 算子。这批 TF 插件此前迁移到本仓后引发部分用例 ATC 失败，先行下线处理。
另外 matmul/batch_mat_mul_v3 下 einsum TF 插件仍使用旧的静态映射注册方式，与 Einsum 算子
DYNAMIC_INPUT(x) + REQUIRED_ATTR(N) 的变长输入原型不匹配，一并修复。ONNX 插件路径保留不受影响。

Origin（信息来源）

（建议由 PR 作者补充说明）

Benefit / Necessity （价值/作用）

• 移除 dynamic_rnn 系列算子遗留的 TensorFlow 框架映射/融合解析代码，减小维护面与插件编译范围；
• einsum TF 插件改用 ParseParamsFn + AutoMappingFnDynamic 动态映射，将 TF 源输入 "in" 映射到动态输入 "x"
  并同步数量属性 N，使变长输入场景的映射与算子原型（DYNAMIC_INPUT(x) / REQUIRED_ATTR(N)）一致；
• 构建系统（cmake/func.cmake）按 glob（*_tf_plugin.cpp）自动收集 tf_plugin 源文件，删除后插件即不参与编译注册，
  无需额外构建配置改动。

Design（设计方案）

1. 删除 3 个 *_tf_plugin.cpp：
   • rnn/dynamic_rnn/framework/block_lstm_tf_plugin.cpp：TF BlockLSTM → DynamicRNN(BLOCKLSTM) 属性/子图解析；
   • rnn/dynamic_rnn/framework/dynamic_rnn_tf_plugin.cpp：TF DynamicRNN/DynamicRnn → DynamicRNN 融合子图解析
     （Transpose → time_major、Const(lstm_cell/add/y) → forget_bias、输入 HWCN）；
   • rnn/dynamic_rnnv2/framework/dynamic_rnnv2_tf_plugin.cpp：TF DynamicRnnV2 系列 → DynamicRNN/DynamicRNNV2。
2. matmul/batch_mat_mul_v3/framework/einsum_tf_plugin.cpp：
   注册由 ParseParamsByOperatorFn 改为 ParseParamsFn，映射改用 AutoMappingFnDynamic，value["in"]=("x","N")，
   与 concat_offset_tf_plugin.cpp 动态映射用法一致。
3. 保留：framework/CMakeLists.txt（仅 add_onnx_plugin_sources()）无需改动；ONNX 插件
   npu_lstm_onnx_plugin.cpp、npu_lstm_cell_onnx_plugin.cpp 不受影响。

关联 PR：https://gitcode.com/cann/ops-nn/pull/9925