[RFC]: MindSpore前后端编译执行分段接口

### 背景与目标描述. **【现状】** 当前图编译执行的对外接口mindspore.jit是一个一体化接口，使用示例如下： ```python import mindspore def func(x, y): out1 = x + y out2 = out1 *2 return out2 graph = mindspore.jit(func) input_x = mindspore.Tensor(1, mindspore.int32) input_y = mindspore.Tensor(2, mindspore.int32) output = graph(input_x, input_y) ``` 其中`graph = mindspore.jit(func)`仅是生成graph对象，在`output = graph(x, y)`同时触发了前端图编译、后端图编译（包括硬件算子选择、后端图优化）、后端图执行，得到执行结果，主要从以下两点来考虑新增分段式接口： 1. mindspore.jit一体化接口包含整个图的编译执行全流程，如果过错中出错了，用户可能难以理解，不知道具体哪个阶段出现问题。 2. 无中间过程数据，不方便打印调试 **【目标】** 1. 提供前后端分段编译和后端单独执行的对外接口 2. 支持在python直接打印前后端图，支持打印后端图执行序 ### 建议的方案. **【API接口】** ```python mindspore.graph.frontend_compile mindspore.graph.backend_compile mindspore.graph.backend_kernel_select mindspore.graph.backend_graph_optimize mindspore.graph.backend_run ``` 其中mindspore.graph.backend_kernel_select和mindspore.graph.backend_graph_optimize为后端算子选择和后端图优化子流程，需要再考虑是否合适放出去。详细接口具体实现待补充 **【使用示例】** ```python import mindspore def func(x, y): out1 = x + y out2 = out1 *2 return out2 graph = mindspore.jit(func) input_x = mindspore.Tensor(1, mindspore.int32) input_y = mindspore.Tensor(2, mindspore.int32) #前端编译和IR打印 frontend_graph = mindspore.graph.frontend_compile(func, x, y) frontend_graph.print() #后端编译和IR/执行序打印 backend_graph = mindspore.graph.backendend_compile(frontend_graph) backend_graph.print() backend_graph.print_exec_order() #后端执行 output = mindspore.graph.backendend_run(backend_graph, input_x, input_y) print(output) ```    ### 测试验证 待补充 ### 期望的反馈时间. ### CC List. ### 其他补充信息. ### Before submitting a new issue... - [x] Make sure you already searched for previous [RFCs](https://gitee.com/mindspore/mindspore/issues?q=is%3Aall+label%3ARFC+sort…