[Feature]: Support `Parameter.register_forward_hook(forward_hook)`

## 背景描述 根据 RFC #ICR9X7，静态图需支持HSDP（Hierarchical Sharded Data Parallelism），为此，静态图中的`class Parameter`需提供注册正向`hsdp_forward_hook`与反向`hsdp_grad_hook`的能力。其中： 1. **正向Hook（`hsdp_forward_hook`）**： 作用于`local parameter`，通过内部的`AllGather`操作，将其转换为`global parameter`，用于参与网络前向计算。 2. **反向Hook（`hsdp_grad_hook`）**：作用于`global parameter`的梯度，通过内部的`ReduceScatter`操作，将`global parameter`的梯度转换为对应的`local parameter`的梯度。 上述 Hook 中还可集成更多自定义逻辑。例如，在 `hsdp_grad_hook` 中，可在梯度送入优化器前实现梯度累积等策略。 ## 设计思路 ### 需求分析 1. **反向Hook支持**：对于`hsdp_grad_hook`，MindSpore当前已提供`Tensor.register_hook`接口对任意Tensor/Parameter的梯度注册Hook的能力。 > 图模式下，`Tensor.register_hook` 能力 与 `InsertGradientOf` 算子等价 2. **正向Hook支持**：对于`hsdp_forward_hook`，MindSpore当前**缺乏为Parameter注册正向Hook的机制**，因此需新增该能力。 ### 基本功能 为满足上述需求，`Parameter`类将新增如下接口： ```python def register_forward_hook(self, forward_hook) ``` > **术语约定**： > > * HSDP语境中的正/反向Hook分别记为：`hsdp_forward_hook`/`hsdp_grad_hook`。 > > * `Parameter.register_forward_hook`接口所注册的正向Hook记为`forward_hook`。 在Mindspore静态图进行语义分析阶段，当识别到某个变量为Parameter时，对其应用已注册的`forward_hook`。 该机制实现原理简洁，此处不再赘述。 ### 应用于 Zero1/Zero2/Zero3 结合 `register_forward_hook` 与现有 `Tensor.register_hook`，可统一支持 Zero1/Zero2/Zero3 的 HSDP 实现。 1. **正向Hook实现** `hsdp_forward_hook`不参与反向传播，因此可以将其封装为一个自定义`nn.Cell`，并在`bprop`中透传梯度： ```python class ForwardHookNet(Cell): def __init__(self, hsdp_forward_hook) -> None: super().__init__() self.hsdp_forward_hook = hsdp_forward_hook def construct(self, param): return self.hsdp_forward_hook(param) def bprop(self, param, out, dout): return (dout,) ``` 2. **反向Hook实现** `hsdp_grad_hook`的语义等价于为`global parameter`应用`global_parameter.register_hook(hsdp_grad_hook)`，因此只需在 `hsdp_forward_hook` 输出的 `global parameter` 上插入该算子即可。 3. **整合示例** 结合两者，核心使用方式如下： ```python def get_forward_hook(hsdp_forward_hook, hsdp_grad_hook): class HsdpForwardHookNet(Cell): def __init__(self, hsdp_forward_hook) -> None: super().__init__()…