Created by: wanghaoshuang

在OCR CTC相关实验中，在开启model average选项的情况下，fluid比paddle V1训练收敛更快更好 , 原因是fluid对batch normal op中的moving mean和moving variance做了average, 而paddle V1没有对这两个parameter做average。

为了验证上述猜想，做了一组对比实验，实验证明对moving mean和moving variance的average可以使训练收敛更加快速平滑，结果如下图所示：

ModelAverage是根据 optimizer.minimize()返回的params_grads来决定对哪些parameters做average的，而且在average过程中，会用到params_grads中的grads来临时暂存parameter value. 对于batch normal的parameter有以下两个问题：

1. 在这个PR #9299 中, 通过为batch noraml op 定义特殊的Maker, 使得在backward阶段没有为moving mean 和moving variance create grad variables.
2. moving mean 和moving variance 均被设置了stop_gradient=True, 所以他们也不会出现在params_grads中。

为了解决上述两个问题，我们需要：

1. 把batch normal op的moving mean 和 moving variance添加到params_grads中，并为其create grad variables.