[Feature]: 动态图并行支持自定义并行

### 🚀 背景描述 基于Shard的编程范式的整体原则是用户仅仅进行单卡的编程，所有的并行逻辑由框架进行推导，这是一个非常远大的目标。但是在实际的大模型训推过程中，我们发现Shard并不能很好地描述一些场景的问题，比如现在典型的MoE训练场景，大家都倾向于选择Dropless的方案，即每个专家接收到的token数目不再进行任何的drop/padding，这要求我们通信的数据量是和计算结果有关系的，这其实就违背了整个shard推导的基础逻辑：张量的分布式逻辑与计算结果无关。为了解决这个问题，我们引入自定义并行的机制，开放接口给用户进行自定义的分布式逻辑处理。 ### 设计思路 Shard设计的核心在于策略的传播与推导，对于自定义并行，我们要接入整个Shard的编程范式，因此需要对整个自定义模块传入input_layout/output_layout，要求用户指定自定义模块的输入切分策略、输出切分策略。另一方面，整个Shard的编程是基于Dtensor展开的，视角都是将Dtensor视作一个Global Tensor，而在自定义模块，我们首先需要将Tensor转换为LocalTensor。因此，整个流程如下图所示。  ### 涉及到的对外API def custom_shard( func: Callable, out_layouts: Tuple[Layout, ...], in_layouts: Optional[Tuple[Optional[Layout], ...]] = None, redistribute_inputs: bool = False, ) -> Callable: """ Wraps a function to handle distributed tensor conversions. Args: func (Callable): The function to be wrapped. out_layouts (Tuple[Layout, ...]): Layouts for each output tensor. in_layouts (Optional[Tuple[Optional[Layout], ...]], optional): Layouts for each input argument. None entries indicate non-tensor inputs. redistribute_inputs (bool): Whether to redistribute inputs to required layouts. Returns: Callable: Wrapped function that handles distributed tensors. """ ### 与其他模块的相关性描述 ### 测试设计与测试计划 能够在动态图张量并行流程应用自定义模块，保证流程的准确性。自定义模块的精度（与单卡相比）需要用户自行保证。 ### 其他信息