硬件：mlu370 x8

软件：python3.10 torch2.1 torch-mlu1.20.0+torch2.1.0 

模型运行到上述代码时，耗时31s。

该代码是某个head forward里的代码，整个head forward 耗时32s，该部分代码耗时31s。我将代码进行了拆分，分别为：

a = torch.zero([num_vec, num_vec])

a = a.bool()

a = a.to(query.device)，query.device为"mlu"

其中a = a.to(query.device)耗时几乎为31s

矩阵维度为24 * 24，很小

该如何解决