Grid_sampler optimization

[AshburnLee]

PR types

Performance optimization

PR changes

OPs

Describe

功能

• 经过开发测试，3Dkernel整体性能不能优于优化前的1D kernel。
• 经过分析，发现该OP实现过程中存在重复操作，导致每次该op执行时都会有一个EigenMetaKernel被launch，而该kernel的耗时占比不能被忽略，故删除。
• 经进一步分析，当block大小为512，经输出img计算得到的grid大小远小于SM数（V100 80个SM），而相同的case，竞品block设为256（paddle设为256后，实际性能整体差于竞品，故保持512），grid大小为74，接近SM数。故代码中添加了对于block大小为512时，grid大小的判断和重新设置，LaunchConfig1D中有类似的处理。效果如下

在模型20个case上的效果

前向

反向

结论

• 前向：将SM数考虑进去后，模型case性能优于develop，除case#7（从差于竞品10.79%距离缩小到差于8.38%），其他不差于竞品。对与上次优化输出img为300*4的5个case，与竞品差距大幅度减小（分别是9.11%->2.14%、10.79%->8.38%、12.94%->3.32%、13.93%->4.49%、10.24%->1.53%）。
• 反向：模型case性能优于develop。但是由于反向逻辑存在原子操作，其掩盖了上述处理得到的性能收益（同一个case的前/反向有相同的处理规模，但前/反向的耗时差距很大，原子操作是瓶颈）。
• op benchmark case 较优化前有明显提升（见CI-op-benchmark）。

[paddle-bot-old]

Thanks for your contribution!
Please wait for the result of CI firstly. See Paddle CI Manual for details.

[ZzSean]

LGTM