Created by: jiweibo

【描述】 lite cuda 支持fp16 kernel运行模式。

经过多次实验验证，发现tensor core对于满足特定条件的 mul和conv具有可观的加速，但是对于一个给定的计算shape，无法保证fp16运算一定快于fp32模式。tensor core启用默认条件请参考nvidia文档

此外发现，将其它kernel写成half或half2类型，实际过程中收益甚微，与kernel的计算逻辑有关。模型中还很有可能由于fp32和fp16 kernel之间插入的cast节点 导致耗时更长性能下降

【fp16权重处理】 kernel的weights设置为PRECISION(kFP16)的方式，编译期图分析阶段会默认插入io_copy_once和calib_once op，将cpu上的fp32权重先加载到cuda中，之后进行precision cast操作得到fp16的权重，最后显示删掉cuda fp32中间权重，已经验证支持权重共享的特殊方式。

该Pr仅是框架支持fp16的必要改动，并添加了conv fp16 kernel，方便实验。