add DeepRecommender

[GreatV]

• [Dy2St] PyTorch 和 Paddle 仓库模型导出成功率对比任务 PaddlePaddle/Paddle#58985

pytorch 可正常导出，paddle无法导出。

    File "/home/greatx/repos/DeepRecommender.paddle/reco_encoder/model/model.py", line 139, in encode
        def encode(self, x):
            for ind, w in enumerate(self.encode_w):
                x = activation(
                ~~~~~~~~~~~~~~~ <--- HERE
                    input=paddle.nn.functional.linear(
                        weight=w.T, bias=self.encode_b[ind], x=x

    File "/home/greatx/repos/DeepRecommender.paddle/venv/lib/python3.10/site-packages/paddle/base/dygraph/math_op_patch.py", line 173, in _T_
        out = _C_ops.transpose(var, perm)

    ValueError: (InvalidArgument) transpose(): argument (position 1) must be OpResult, but got EagerParamBase (at ../paddle/fluid/pybind/eager_utils.cc:2108)

[SigureMo]

ValueError: (InvalidArgument) transpose(): argument (position 1) must be OpResult, but got EagerParamBase (at ../paddle/fluid/pybind/eager_utils.cc:2108)

这个报错很奇怪，现阶段没启用 PIR 理想态按理说不应该出现这样的报错，我看一下是怎么走到这个逻辑的

[SigureMo]

问题已解决，为现阶段 AST 转写 _jst.Ld 在 visit_Call 时没有覆盖 keyword 的情况

原代码：

            x = activation(
                input=paddle.nn.functional.linear(
                    weight=w.T, bias=self.encode_b[ind], x=x
                ),
                kind=self._nl_type,
            )

修复前转写为

x = _jst.Call(_jst.Ld(activation))(input=paddle.nn.functional.linear(weight=w.T, bias=self.encode_b[ind], x=x), kind=self._nl_type)

明显参数没有转写

修复后转写为

x = _jst.Call(_jst.Ld(activation))(input=_jst.Ld(_jst.Ld(_jst.Ld(_jst.Ld(paddle).nn).functional).linear)(weight=_jst.Ld(_jst.Ld(w).T), bias=_jst.Ld(_jst.Ld(_jst.Ld(self).encode_b)[_jst.Ld(ind)]), x=_jst.Ld(x)), kind=_jst.Ld(_jst.Ld(self)._nl_type))

转写全面，w 在 _jst.Ld 后从 Tensor 转为 Variable，就不会错误进入动态图分支了，在静态图（动转静组网）下走动态图的 _C_ops 会认为是 PIR 组网，且传入的是 Tensor，因此就挂掉了～

稍后提一个 PR 修复该问题，但与本 PR 无关，本 PR 先行合入

[SigureMo]

LGTMeow