Suppport more scenes for fused_fast_ln

[ZzSean]

PR types

Others

PR changes

OPs

Describe

Suppport more scenes for fused_fast_ln
fused_fast_ln_kernel now can support the scenes bellowing：

• the number of column is 768 or 4096；
• the bias_ptr is not nullptr

Performance promotion：

• Fused OP:

config	old	new	speedup
bsz=1, in_seq_len=128, max_dec_len=8	10.01	7.45	1.34x
bsz=4, in_seq_len=128, max_dec_len=8	11.30	8.21	1.38x
bsz=1, in_seq_len=60, max_dec_len=20	22.27	17.07	1.30x
bsz=4, in_seq_len=60, max_dec_len=20	23.05	17.54	1.31x

• Model：The average performance of Transformer model is improved by 1%~1.5%

[paddle-bot-old]

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.

[limin2021]

1. 在PR描述里补充当列数为768和4096时该op的性能提升情况。
2. 该fuse kernel的寄存器使用量很多，会不会有溢出风险？

[ZzSean]

1. 在PR描述里补充当列数为768和4096时该op的性能提升情况。
2. 该fuse kernel的寄存器使用量很多，会不会有溢出风险？

寄存器使用情况相较于修改前最多会多出Vec bias[LDGS]，LDGS最大也是4，且block中的线程数也是128，因此应该不会有溢出风险