Add output defs for topk kernel

[From00]

PR types

Others

PR changes

Others

Describe

Pcard-67003

本PR作为飞桨快乐开源活动issue #51292 的示范例子，为top_k算子的输出参数indices注册数据类型DataType。

以下为修复top_k算子注册信息的过程，参与任务的开发者可参照实现对其它算子注册信息的修复：

1. 阅读kernel实现
在 paddle/phi/kernels目录下找到top_k算子的kernel代码，可以发现TopKKernel函数有out和indices两个输出Tensor，分别表示查找到的top-k结果以及对应的索引信息；其中out的数据类型与kernel类型一致，但indices的数据类型int64_t与kernel类型不一致，需要进行注册。

template <typename T, typename Context>
void TopkKernel(const Context& dev_ctx,
                const DenseTensor& x,
                const Scalar& k_scalar,
                int axis,
                bool largest,
                bool sorted,
                DenseTensor* out,
                DenseTensor* indices) {
    ...
    T* output_data = dev_ctx.template Alloc<T>(out);
    int64_t* indices_data = dev_ctx.template Alloc<int64_t>(indices);
    ...                    
  }

我们可以通过kernel中分配内存（Alloc或HostAlloc）的操作，来判断一个输出Tensor的DataType信息。若在分配内存时传入kernel实例化的模板参数T，则表示该输出Tensor数据类型与kernel一致，这种情况不需要专门做注册（未注册的参数数据类型默认与kernel相同）；若分配内存时传入与T不同的模板参数，则表示该输出Tensor数据类型与kernel不一致，需要做注册。
除了通过阅读代码进行判断，也可以查阅算子对应的API文档，文档中一般都会说明输出参数的数据类型。

2. 添加注册信息
判断出top_k的indices参数需要注册数据类型后，找到top_k的kernel注册代码，在注册宏的花括号{}中设置输出参数的数据类型：

kernel->OutputAt(1).SetDataType(phi::DataType::INT64);

kernel->OutputAt()中传入注册DataType的输出参数编号，编号从0开始，按kernel函数声明中的位置依次递增。如top_k kernel的第0个输出为out，第1个输出为indices。

注意：本PR代码中DataType使用了paddle::experimental::命名空间，这是算子库项目开发初期使用的命名空间。paddle::experimental::DataType与phi::DataType是等价的，后续按规范要求，需要统一成phi::DataType。存量代码的改造工作正在进行中，增量代码需直接使用phi::DataType。

在添加注册信息时，若该算子分开注册了多种类型的kernel，对于每种kernel都需要添加上输出参数的数据类型。如top_k算子在cpu/top_k_kernel.cc、gpu/top_k_kernel.cu和xpu/top_k_kernel.cc中分别注册了cpu、gpu和xpu三种kernel，需要在这三处注册代码中都分别添加数据类型注册。一般来说，一个算子至少会分开注册cpu、gpu和xpu三种不同的后端设备类型，某些算子还会分开注册不同的DataType和Layout类型。

由于静态图中通过黑名单机制对一些未规范注册DataType的算子屏蔽了全静态选kernel功能，在完成算子的DataType注册后，请顺手将其从黑名单中移除。

有些算子的输出数据类型是无法静态确定的，需要根据一些输入信息进行推导，此时可对该参数注册UNDEFINED类型。注册UNDEFINED的参数需要通过InferMeta进行推导，因此，若对某个参数注册了UNDEFINED，你需要确保该算子的InferMeta已被正确地实现和注册。具体地，你需要：
（1）在paddle/phi/infermeta/目录下找到该算子的InferMeta实现，检查该算子的InferMeta中是否正确实现了UNDEFINED参数的DataType推导逻辑，若未实现或实现有误，则需要你对相关逻辑进行修复。关于InferMeta的实现，可参考《开发C++算子》文档中实现InferMeta函数一节。
（2）在paddle/fluid/operators/目录下找到该算子的注册信息，确保该算子的InferShape已迁移成phi下的InferMeta。若一个算子的InferShape已迁移，则该算子不会实现InferShape函数，且在算子注册时会注册xxxInferShapeFunction的信息；若未迁移，则需要你对该算子的InferShape进行迁移。关于InferShape的迁移，可参考PR #39517 。

3. 代码测试
本次任务不需要专门新写单测进行验证，在完成问题修复后，找到修复算子对应的单测，运行该单测进行验证即可。算子的单测通常被命名为test_xxx_op的形式，如test_top_k_op。如果你在本地无法找到算子对应的单测，可以在编译通过后提交PR跑CI测试，CI系统会对对应算子的单测进行测试，并反馈给你测试失败的单测列表。

[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.