[OpenCL][Kernel] Add OpenCL image kernel: split

[zhaoyang-star]

【问题】split作为一个常用 op，之前没有 OpenCL 实现，这样会引起不必要的io_copy和layout_cast执行，进而增加运行耗时。

【解决方法】本 PR 新增split的 OpenCL image 实现。

【效果】测试 shufflenetv2，已验证精度与ARM 无 diff。该模型中含有 16 个concat -> shuffle_channel -> split这种 block 结构。其中shuffle_channel的 GPU 实现 PR 尚未合入。因此：如果仅有split的 GPU 实现，并不会减少io_copy和layout_cast的执行次数，且split操作是纯数据拷贝无计算量，因此理论上该 op 使用 GPU 并无优势（下表第三行数据也验证了这一点）。但是，当split和shuffle_channel均有 GPU 实现时，一个 block 就可以降低 3 次io_copy和 3 次layout_cast的执行耗时，因此最终在 shufflenetv2 上有速度提升。

855	Run time(ms)
ARM	10.68
OpenCL	58.36
+PR(split)	43.52
+PR(split) + PR(shuffle_channel)	15.11

备注：仅使用 GPU 版shuffle_channel时，在 835 上运行 shufflenetv2 由 43ms 降为 41ms。因此必须shuffle_channel和split均有 GPU 实现时才有意义（1+1>2哈哈）。

【TODO】

• 当前 repo 中没有针对 ARM / OpenCL 等 target 的split单测。由于 OpenCL 的单测会迁移至 tests 文件夹下，对应修改较多。因此split的单测会在新的一个 PR 中添加。
• shufflenetv2 OpenCL 比 ARM 慢，需要详细耗时分析。

[xiebaiyuan]

LGTM.
之前设想过一种方式,通过一个pass来检测一个block是否是同一种backend. 如果为同一种,尽可能选择同一种来提升性能.