Optimize the implementation of StructureModule.

[Xreki]

针对PR中的代码修改，我写了单测比较精度：https://gist.github.com/Xreki/f451fcb6c3dfe7d83d137b3f7c0ca3f1

收集了模型中rots_mul_rots和rots_mul_vecs输入输出的shape，发现主要存在2种配置。

• rots_mul_rots

	a.shape	b.shape	out.shape	说明
不需要广播	[2, 256, 8, 3, 3]	[2, 256, 8, 3, 3]	[2, 256, 8, 3, 3]	原始实现需要107个算子，PR修改后只需要1个算子
需要广播	[2, 256, 1, 3, 3]	[2, 256, 8, 3, 3]	[2, 256, 8, 3, 3]	原始实现需要107个算子，PR修改后只需要3个算子

• rots_mul_vecs

	m.shape	v.shape	out.shape	说明
不需要广播	[2, 256, 14, 3, 3]	[2, 256, 14, 3]	[2, 256, 14, 3]	PR修改后只需要3个算子
需要广播	[2, 256, 1, 3, 3]	[2, 256, 8, 3]	[2, 256, 8, 3]	PR修改后只需要5个算子