improve amp training and fix nan error

[zhangting2020]

背景：ppyoloe、ppyolo、ppyolov2、picodet、mask_rcnn、tinypose在Paddle2.4版本上amp-o2会训练nan，或者精度无法对齐。本PR修复这几个模型，并且已经自测了当前修复后的精度，可以达到和fp32训练对齐的效果。主要修复的问题如下：

（1）一些模型特定的模块计算结果上溢出，不适合fp16：

• ppyoloe、ppyolo、ppyolov2、picodet、mask_rcnn这些模型中发现，IoU计算、DropBlock、YoLoLoss、PicoHeadV2等多个部分计算结果已经远超fp16上限，因此导致模型运行nan。
• 在旧版本上，amp-o2采用的是almost fp16，即只要算子支持fp16就使用fp16计算，较为激进。而Paddle2.5版本和当前的develop分支上，除了conv等白名单算子会默认采用fp16计算加速，其他算子当输入全是fp16类型才会使用fp16计算。因此能够避免一些模块出现上溢出，例如mask rcnn模型原始需要对IoU部分关掉amp，但在Paddle2.5上由于该模块算子输入存在fp32类型，则自动选择fp32计算，无需修改模型。

（2）一些模型需要手动将部分算子输入提升到fp32类型：如PR中修改，某些模块依然会在Paddle2.5上出现溢出，但基于升级后的O2，我们只需要将算子输入手动cast到fp32就能保证算子使用fp32计算了。而在过去需要手动cast+auto_cast(enable=False)2步修改。

（3）一些模型梯度过小导致训练指标无法对齐：tinypose模型梯度非常小，套件采用了1024的初始loss scale，会导致梯度大部分在fp16表示下为0，参数得不到更新，表现在训练开始后loss没有下降也没有nan。另外在反向传播过程中权重梯度尽管可以通过调大的loss scale被放大，但在参数更新前需要unscale权重的梯度，此时权重梯度在fp16表示下依然会变为0，导致梯度更新受影响。因此我们新增了master_grad的功能解决此问题：当启用该功能后，每一个迭代，在反向传播结束，权重梯度会被cast到fp32，并且用这份fp32梯度替换原始的fp16梯度，以此来保证后续通过param.grad拿到的是fp32梯度，避免unscale后数值下溢出为0

（4）一些模型梯度过大导致训练nan：ppyolo、ppyolov2权重梯度较大，在grad_clip阶段，会导致在fp16计算下出现inf。该问题也可以通过启用master_grad去解决。

（5）EAM在amp-o2模式下，需要使用fp32存储权重，并且使用fp32计算更新权重：原始的实现EMA部分在O2模式下采用的fp16的权重存储和计算，随着迭代误差积累会发现训练loss正常下降，但是eval时指标接近于0。

[paddle-bot]

Thanks for your contribution!