Refactor(linear): split LinearBackward kernel into 3 independent kernels

[chen2021673]

概述

完成了 Linear/Matmul/Outer kernel 的架构重构：

核心思路是关注点分离——把是否应当计算的决策从 kernel 层上移到 autograd 层，让 kernel 成为纯计算函数；同时在底层抽象出统一的 GEMM 原语，消除重复的 cuBLAS 调用样板。

具体改动

• autograd 层：LinearBackward 和 MatmulBackward 各自拆解为多个独立的 Dispatcher 调用，needs_input_grad 检查在 autograd 层完成，只调用实际需要的 kernel。
• kernel 层：原来的 LinearBackward（单体）→ LinearBackwardInput / LinearBackwardWeight / LinearBackwardBias 三个独立 kernel；MatmulBackward（单体）→ MatmulBackwardInput / MatmulBackwardOther 两个独立 kernel，命名与 MatmulForward(input, other) 对齐。
• 文件拆分：Matmul kernel 从 linear.cc / linear.cu 中独立出来，建立 cpu/matmul.cc 和 cuda/matmul.cu，各文件职责单一。
• GEMM 原语：新增 gemm.cuh / gemm.cu，定义 GemmParams 结构体和 GemmCuda()，统一封装 cublasGemmEx 和 cublasGemmStridedBatchedEx 的分支逻辑。GetCublasHandle() / GetCudaStream() 集中定义，供 linear.cu、matmul.cu、outer.cu 共享，消除各文件中的重复定义。
• outer.cu：同步改造，使用 GemmCuda() 替换 cuBLAS 矩阵乘法调用，仅保留 fp32 反向路径的 cublasSgemv（矩阵×向量形状下更高效，且 bf16 不支持 GEMV）。