implement basic cache and support resnet in tvm backend

[zrr1999]

本 PR 包含以下内容：

1. 实现基础的 cache 机制，目前支持输入为 tensor 的情况（只判断shape和dtype是否一致）
2. 为 TVM 后端添加多 tuple 返回值支持
3. 修复子图打断中，多个 tensor 只会返回第一个的问题。
4. 完善tvm后端，支持resnet

[zrr1999]

目前已经可以实现 ResNet 的端到端推理（tvm后端），目前速度比 paddle动态图慢了很多，大概耗时是20倍，不优化的 tvm.tir 看起来速度非常慢
@jzhang533 @gglin001

[jzhang533]

对比速度的脚本是哪个呀，我可以看一看。

[zrr1999]

对比速度的脚本是哪个呀，我可以看一看。

我对比速度现在是用的viztracer直接把每行代码的速度都追踪一下，然后大概看的时间

[jzhang533]

对于tvm，不知道有没有可能利用现有的tvm的这个API：tvm.relay.frontend.from_paddle。
也就是， 先把捕获到的子图，转成paddle的静态图，然后用tvm.relay.frontend.from_paddle给加载进来。

[zrr1999]

我这几天尝试一下，看起来是可以的。不过这样的话就感觉主要工作量都在动转静和tvm的tvm.relay.frontend.from_paddle这个接口的适配了，看起来 paddlefx 的内容很少

[jzhang533]

嗯，可以探索看看。好处是，可以复用现有的tvm里已有的，成熟的，paddle IR到tvm IR的转换，理论上，能很快实现较多的模型，lower到tvm来运行。
如果从头做fx graph到tvm IR的转换的话，感觉工作量是不少的。