Refactor: remove module not required, call function directly

[doombeaker]

把不必要的通过 XXXModule()() 先实例化 module 对象，再调用的方式。改为直接调用函数。

修改结果如下：

• “是” 的表示已经去掉 Module，并且接近于直接调用 flow.F.xxx
• “是，……” 的表示，去掉了Module，但是 python 端做了比较多的判断，可以搬运到 C++ 端。是接下来性能优化需要做的工作之一

其它没有移除的 Module 及说明在：https://github.com/Oneflow-Inc/OneTeam/issues/521

	是否已经去掉 Module
class Abs(Module):	是
class Acos(Module):	是
class Acosh(Module):	是
class Argwhere(Module):	是
class Atanh(Module):	是
class BMM(Module):	是
class ZerosLike(Module):	是
class OnesLike(Module):	是
class Diag(Module):	是
class Eq(Module):	是
class Gather_nd(Module):	是
class Gather(Module):	是
class Asin(Module):	是
class Asinh(Module):	是
class Sin(Module):	是
class Cos(Module):	是
class Atan(Module):	是
class Log(Module):	是
class Subtract(Module):	是
class Sqrt(Module):	是
class Rsqrt(Module):	是
class Square(Module):	是
class Cosh(Module):	是
class Erf(Module):	是
class Ceil(Module):	是
class Expm1(Module):	是
class Negative(Module):	是
class Permute(Module):	是
class Sum(Module):	是
class Round(Module):	是
class Sign(Module):	是
class Sinh(Module):	是
class Slice(Module):	是
class SliceUpdate(Module):	是
class TypeAs(Module):	是
class Long(Module):	是
class Triu(Module):	是
class Exp(Module):	是
class Cast(Module):	是
class Chunk(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Cat(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Expand(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Eye(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Flip(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Floor(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class GreaterEqual(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Greater(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class LessEqual(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Less(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class MaskedFill(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class MaskedSelect(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class FMod(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Std(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Ne(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Reshape(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Squeeze(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Stack(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Tile(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Transpose(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Unsqueeze(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Where(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Variance(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑
class Repeat(Module):	是，不过python中代码还是较重，考虑未来用C++写逻辑，貌似接口没对齐

[Flowingsun007]

可以写成if isinstance(other, (flow.Tensor,flow._oneflow_internal.Tensor)):

[doombeaker]

flow.Tensor 和 flow._oneflow_internal.Tensor 已经合二为一了。我去掉了 flow._oneflow_internal.Tensor

[Flowingsun007]

同上

[doombeaker]

已经修改

[Ldpe2G]

这里 dtype 默认改成 flow.int32? argwhere_op 里面没处理 dtype == none 的情况

[doombeaker]

已经修改（连带这里有个原有的拼写错误……）

[hjchen2]

这些python代码太耗时了，安排人都迁移到c++里去？其他地方也一样（比如前面的chunk）

[doombeaker]

嗯嗯，是打算迁移。PR描述里备注了要搬运C++的，都要搬运……

[github-actions]

CI failed, removing label automerge

[github-actions]

Speed stats:

GPU Name: GeForce GTX 1080 

PyTorch resnet50 time: 138.4ms (= 6921.0ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 125.9ms (= 6294.6ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
Relative speed: 1.10 (= 138.4ms / 125.9ms)

PyTorch resnet50 time: 83.6ms (= 4179.9ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 72.7ms (= 3633.4ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
Relative speed: 1.15 (= 83.6ms / 72.7ms)

PyTorch resnet50 time: 61.1ms (= 3056.5ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 47.7ms (= 2383.5ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
Relative speed: 1.28 (= 61.1ms / 47.7ms)

PyTorch resnet50 time: 50.3ms (= 2514.0ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 43.4ms (= 2169.6ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
Relative speed: 1.16 (= 50.3ms / 43.4ms)

PyTorch resnet50 time: 43.0ms (= 2148.3ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 42.4ms (= 2122.1ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
Relative speed: 1.01 (= 43.0ms / 42.4ms)

[github-actions]

Speed stats:

GPU Name: GeForce GTX 1080 

PyTorch resnet50 time: 138.7ms (= 6932.8ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 125.9ms (= 6293.5ms / 50, input_shape=[16, 3, 224, 224], backward is enabled)
Relative speed: 1.10 (= 138.7ms / 125.9ms)

PyTorch resnet50 time: 83.5ms (= 4176.6ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 73.0ms (= 3647.6ms / 50, input_shape=[8, 3, 224, 224], backward is enabled)
Relative speed: 1.15 (= 83.5ms / 73.0ms)

PyTorch resnet50 time: 55.7ms (= 2785.4ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 47.3ms (= 2367.4ms / 50, input_shape=[4, 3, 224, 224], backward is enabled)
Relative speed: 1.18 (= 55.7ms / 47.3ms)

PyTorch resnet50 time: 46.9ms (= 2347.0ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 37.2ms (= 1857.7ms / 50, input_shape=[2, 3, 224, 224], backward is enabled)
Relative speed: 1.26 (= 46.9ms / 37.2ms)

PyTorch resnet50 time: 42.5ms (= 2123.9ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
OneFlow resnet50 time: 36.2ms (= 1808.1ms / 50, input_shape=[1, 3, 224, 224], backward is enabled)
Relative speed: 1.17 (= 42.5ms / 36.2ms)