Created by: Aurelius84
背景
在控制流中（如cond、switch等），如果某些分支不会实际运行，则为了保证框架兼容性，对此分支内的Variable的反向grad进行了值为0.的初始化。避免由于反向grad未初始化导致输入到其他op时，在runtime infershape时挂掉，尤其对于优化器op。
相关PR：
但是，这种方式，会带来性能上的损失。因为控制流的False分支里的所有param都会对应一个优化器Op，并进行了梯度值为0的更新计算。
目标
因为，此PR旨在对optimizer ops进行优化，支持未初始化grad（参考sum_op），以避免优化器op的Compute函数调用。
方案
修改optimizer op里的infershape和Compute函数，对grad是否初始化进行判断。若未初始化，则直接return。
目前仅对SGD和Adam两个op进行升级测试。
存在问题
- 如果fetch 控制流False分支的反向grad值，则返回为
None，而非之前的全0值 - 需要sum op支持全未初始化的Tensor Array。由于在optimizer.py中会对部分同名grad作梯度聚合，有可能输入sum的所有同名梯度都是未初始化的（目前sum的输入至少一个是初始化的）
- 允许在runtime期间grad未初始化，可能存在输入到其他op的情况（如assign，cast等），需评估是否需要同步修改此类op支持未初始化tensor。
- 可能需要给出更加优雅的兼容方式，比如在optimizer.py对False分支的参数梯度进行剪枝