Optimize range op

[thisjiang]

PR types

Performance optimization

PR changes

OPs

Describe

优化起因：
现paddle.fluid.layers.range存在三个拷贝点，分别将三个变量从gpu拷贝到cpu上，十分耗时

优化一
优化点：

1. 将输入参数放置在gpu上改为放置在cpu上，即在range的python op中，使用fill_constant转换变量为tensor时指定force_cpu=True参数。
2. 判断输入参数是在cpu上还是gpu上，若在cpu上则无需拷贝

优化效果：
和竞品对比（取1000次计算cost）：

条件	paddle	tf.range	torch.arange	优化1
size=100	0.314474	0.071642	0.0051	0.226910
size=100000	0.304597	0.138057	27.3776	0.228088

mask-RCNN动态图速度对比(V100-SXM2-32GB取前18个ips跑4次取平均值)：

版本	ips
优化前	6.698619444
优化后	7.189104167

待优化点：

1. 在size=100和size=100000时cost差不多，可以认为大部分时间都耗在了launch gpu kernel上。但另一方面，完全放到cpu上更耗时，因为首先需要给cpu上的临时变量alloc空间。
2. 单测op速度还是比不上竞品，猜测原因是tensorflow和pytorch的输入输出都是cpu，不需要分配和拷贝。注：tensorflow实现见sequence_ops.cc#L35，pytorch实现见utility_ops.h#L1420。待进一步分析。

[paddle-bot-old]

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

[paddle-bot-old]

Sorry to inform you that c9c9561's CIs have passed for more than 7 days. To prevent PR conflicts, you need to re-run all CIs manually.

[Xreki]

LGTM