[Feature]: 动静统一算子级并行：shard函数式接口

### 🚀 背景描述 需提供shard函数式接口，对cell/func的输入、输出及权重做切分配置。 ### 设计思路 接口设计思路：提供函数式接口 1）传入一个cell，返回一个cell；如果传入函数，则返回封装后的函数； 2）不侵入修改用户脚本； 3）一个接口同时处理以下对象的配置：a）顶层cell的输入/输出/权重；b）内部子cell的输入/输出/权重； 接口说明： ret = shard(obj， config) 输入：1） obj：cell或者函数；2）config：切分配置字典； 输出：cell或者函数 · 如果obj是函数，则config中只包含一组in_strategy/out_strategy配置，其中out_strategy可选，用于配置函数的输入输出切分；最终返回一个封装后的函数； · 如果obj是cell，则config的格式为： dict（sub_cell_name, sub_cell_strategy） 其中sub_cell_name为子cell的名称，sub_cell_strategy中描述输入/输出/权重的切分策略。如果sub_cell_name为空字符串，代表配置顶层cell。 接口示例： class SubNet(nn.Cell): def __init__(self, in_channel=64, out_channel=64): super(SubNet, self).__init__() self.dense = nn.Dense(in_channel, out_channel) self.dense_1 = nn.Dense(in_channel, out_channel) def construct(self, x): out = self.dense(x) # desire col parallel out = ops.relu(out) out = self.dense_1(out) # desire row parallel out = ops.relu(out) return out class Net(nn.Cell): def __init__(self): super(Net, self).__init__() self.sub_net = SubNet() self.weight = Parameter(initializer([64, 64]), "w") self.bias = Parameter(initializer([64]), "bias") def construct(self, x): out = ops.matmul(x, self.weight) # desire row parallel out = out + self.bias out = self.sub_net(out) return out ... dp = 2 mp = 4 # define Layout layout = Layout((dp, mp), ("dp", "mp")) row_p_x_layout = layout("dp", "mp") row_p_w_layout = layout("mp", "None") row_p_b_layout = layout("None") col_p_x_layout = layout("dp", "None") col_p_w_layout = layout("None", "mp") col_p_b_layout = layout("mp") out_layout = layout("dp", "None") net = Net() net = shard(net, config={"": # empty represent top cell {"in_strategy": (row_p_b_layout,), # strategy for input of top cell …