Add Scalar Pow

[MARD1NO]

概述

增加 Scalar 版本的 Pow 运算，参考自 torch.pow，他支持接受 tensor 和 float 作为参数

另外修改了 hardswish 的空格问题

功能 CheckList

Op

• Op SetBatchAxisInferFn
• Op SetGetSbpFn
• Op SetInputArgModifyFn
• Op 反向梯度注册

Kernel

由于tensor版本的pow，只注册了float32，float64类型。这里为了统一，暂时没有注册 float16 版本

• CPU in:float32

• CPU in:float64

• GPU in:float32

• GPU in:float64

Python Wrapper

• Python API 参数检查及异常提示
• 接口注释
• Example 

测试

• 单机单卡 CPU Test Case
• 单机单卡 GPU Test Case
• 单机多卡 CPU Test Case
• 单机多卡 GPU Test Case
• 分布式 CPU Test Case
• 分布式 GPU Test Case

GPU 有效带宽

理论带宽：

Device to Device Bandwidth, 1 Device(s)
 PINNED Memory Transfers
   Transfer Size (Bytes)	Bandwidth(GB/s)
   32000000			378.4

实际带宽：

I0106 16:37:14.958042 125325 kernel.cpp:89] PROFILER::KERNEL::CUDA_MEMORY_BANDWIDTH op_name: pow elapsed(ms): 0.196544 memory_size(Byte): 50331648 bandwidth(GB/s): 238.496

折合成百分比为 63 %

PR Checklist

• PR 标题语句通畅，明确表达 PR 内容，适合直接作为新版本发布时的 changelog
• 代码格式化
• 已经本地编译通过
• 已本地针对改动测试
• 已添加 type 标签:(填写 type 标签名，如 bug, enhancement, purge, feature, documentation)
• 已添加 component 标签:(填写 component 标签名，如 op, system, eager, build, xla, python, ci, test, tooling, onnx)
• Draft 转正式 PR 前已请人 Review

[doombeaker]

为什么另外不相关算子的格式化会在这个PR里。建议拆分成另外的PR。

[MARD1NO]

=,= 因为有个空格，编译的时候会提示几行。 我后面拆分到别的PR吧