Feat: LazyInterpret::ApplyImpl support SourceUserOpExpr and Copy

[chengtbf]

• LazyInterpret 支持处理 SourceOp，SourceOp 的 is_local 和 parallel_desc 由 OpExprInterpContext 获得
• OpExpr 的 Apply 方法扩展支持参数 placement 和 device
• LazyInterpret 支持处理 Copy， Copy 将不会在 InferCtx 里 AddOp，仅生成对应属性的 output Tensor，且该 tensor 的 name 与 input Tensor 的 lbn 一致
• OFRecordReader op 支持配置 parallel_distribution 属性，用于指定 op 推导输出的 sbp； dataset 中的 OFRecordReader module 支持根据参数 placement 和 device 来分别调用不同的新提供的 OpExpr::apply 接口
• 调试通过了 OFRecordReader nn.Graph 版本的 module 单测
• 调试通过了 nn.Graph 内支持 tensor.to("cuda")
• 重写了 CropMirrorNormalize Module 里的 op 构造逻辑，修复了之前 op 数据类型 和 mirror 强绑定的 BUG
• 支持 CoinFlip Module；

TODO: 支持 COCO Reader （@leaves-zwx）

[github-actions]

Speed stats:

GPU Name: GeForce GTX 1080 

PyTorch resnet50 time: 138.5ms (= 6927.3ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 125.7ms (= 6286.3ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
Relative speed: 1.10 (= 138.5ms / 125.7ms)

PyTorch resnet50 time: 84.0ms (= 4197.8ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 72.8ms (= 3640.4ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
Relative speed: 1.15 (= 84.0ms / 72.8ms)

PyTorch resnet50 time: 59.3ms (= 2963.4ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 49.9ms (= 2493.5ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
Relative speed: 1.19 (= 59.3ms / 49.9ms)

PyTorch resnet50 time: 48.5ms (= 2427.1ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 52.0ms (= 2601.9ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
Relative speed: 0.93 (= 48.5ms / 52.0ms)

PyTorch resnet50 time: 40.9ms (= 2043.8ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 44.4ms (= 2220.2ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
Relative speed: 0.92 (= 40.9ms / 44.4ms)