Use BroadcastKernel and ReduceKernel to optimize expand and expand_grad.

[Xreki]

PR types

Performance optimization

PR changes

OPs

Describe

使用BroadcastKernel和ReduceKernel重写expand kernel，OP Benchmark CI中性能优化效果如下：

	OP配置	优化前	优化后	时间减少幅度	性能提升比例
前向	float32, x.shape=[16, 1785, 1], shape=[1785, 2]	0.0037038 s	0.0036177 s	-2.32464%	2.38%
前向	float32, x.shape=[16, 5, 1, 1], shape=[5, 128, 128]	0.0226040 s	0.0096950 s	-57.10936%	1.33x
前向	float32, x.shape=[32, 807, 1], shape=[807, 807]	0.1061900 s	0.0983360 s	-7.39618%	7.99%
前向+反向	float32, x.shape=[16, 1785, 1], shape=[1785, 2]	0.0112115 s	0.0114307 s	1.955515%	-1.92%
前向+反向	float32, x.shape=[16, 5, 1, 1], shape=[5, 128, 128]	5.3964660 s	0.0398334 s	-99.26186%	134x
前向+反向	float32, x.shape=[32, 807, 1], shape=[807, 807]	0.9756090 s	0.4280108 s	-56.12886%	1.28x

其他情况说明：

• 当前ExpandKernel中仍然加入了输出Shape的计算逻辑。实际上，InferShape的功能应该由ExpandInferMeta函数完成，但静态图ExpandInferMeta执行完后，输出Shape中仍然存在-1，个人认为这是ExpandInferMeta的实现存在bug。考虑到目前尚不是完全确定静态图编译期InferShape的逻辑，故PR暂不修改这部分。
• ExpandAsKernel可复用ExpandKernel实现，后续再提PR修改。

[paddle-bot]

你的PR提交成功，感谢你对开源项目的贡献!
请关注后续CI自动化测试结果，详情请参考Paddle-CI手册。
Your PR has been submitted. Thanks for your contribution!
Please wait for the result of CI firstly. See Paddle CI Manual for details.

[JamesLim-sy]

LGTM