Op bitwise full type support

[FisherWY]

1. bitwise系列算子支持类型与paddle对齐
2. 使用新单测体系增加bitwise系列算子单测
3. 增强GetExternFuncName，增加可选参数，现有cinn的gpu函数原型注册中，存在以下两种命名方式：cinn_cuda_op_type和cinn_nvgpu_op_type，由于nvgpu占大多数，因此默认使用nvgpu作为target名称
4. 对于目前cinn的cpu函数原型，其命名只有算子名称，无法对多数据类型的支持进行区分（如：bitwise的cpu算子就只支持int32类型）
5. 为增强通用型，在此提出一个规范，函数原型的命名如下格式：cinn_target_op_type，解释如下：
   • cinn_：CINN下的函数原型
   • target_：支持的平台，CPU为host，GPU为nvgpu
   • op_：算子名称
   • type：算子数据类型（bool、uint8、int32、fp64等）
6. 增加全局变量CurrentTarget，能够通过该变量获取当前编译、生成代码的目标平台，用户也能够通过python接口设置target，而不再依赖于编译选项

[paddle-bot]

Thanks for your contribution!

[FisherWY]

描述

增加的单测

序号	算子	单测文件
16	bitwise_and	test_bitwise_op.py
17	bitwise_or	test_bitwise_op.py
18	bitwise_xor	test_bitwise_op.py
107	bitwise_not	test_bitwise_op.py

算子类型

• ElementWise：输入张量索引和输出张量索引之间存在一对一的对应关系
• Broadcast：输入张量索引和输出张量索引之间存在一对多的对应关系
• Injective：单射算子，可以将一个输出 axis 映射到一个输入 axis
• Reduction：输入张量索引和输出张量索引之间存在多对一的对应关系
• OutFusible：复杂算子，仍然可以将一对一的算子融合到其输出中。
• kNonFusible：无法融合的算子

OpMapper

• 该算子是否 OpMapper? 如果是，请贴出在 Paddle 中对应的 OpMaker 代码路径。（给出 Github 链接更好）

Test Cases Checklist

张量维度

• 1D 张量
• 2D 张量
• 3D 张量
• 4D 张量

special shape

挑选 2D/3D/4D 张量中的一个，测试下面的特殊情况。

• 其中一个维度为 1
• 其中一个维度小于 1024
• 其中一个维度大于 1024
• 向量的所有维度都是 1

张量数据类型

• bool
• uint8
• int8
• int16
• int32
• int64
• float16
• float32
• float64

广播

• 这个算子是否支持广播？
• 广播的测试样例

算子属性

算子属性的测试用例。

• 属性：无
• 使用 OpTestHelper 测试上述属性的笛卡尔积组合

[zzk0]

5. 为增强通用型，在此提出一个规范，函数原型的命名如下格式：cinn_target_op_type，解释如下：
   cinn_：CINN下的函数原型
   target_：支持的平台，CPU为host，GPU为nvgpu
   op：算子名称
   type：算子数据类型

算子数据类型这一条需要细化。比如：

• int32 类型，结尾应该 int32，而非 int
• float32 类型，结尾应该 fp32，而非 float32

[thisjiang]

LGTM

[thisjiang]

LGTM