add context manager TensorInplaceAssign

[marigoold]

在 diffusers 中，load LoRA 的实现是直接把 fuse 之后的 weight 赋值给 self.weight（比如这里），这会使赋值后 tensor 的内存地址改变，而 graph 依然使用原来的内存地址，导致 LoRA 无法正确加载。
这里实现了一个 Tensor 和 Parameter 的子类，重写了 property data 的 getter 和 setter，使其 set 的时候原地拷贝，不改变内存地址。

正确性验证：

1. 在每个赋值语句后面都加了内存地址不变的断言，没有挂掉

        dptr = self.regular_linear_layer.weight.data.data_ptr()
        self.regular_linear_layer.weight.data = fused_weight.to(device=device, dtype=dtype)
        if "AutoInplaceCopy" in str(type(self.regular_linear_layer.weight.data)):
            print(f"got type [{type(self.regular_linear_layer.weight.data)}], shape is {self.regular_linear_layer.weight.data.shape}")
            assert self.regular_linear_layer.weight.data.data_ptr() == dptr

2. examples/text_to_image_sdxl_lora.py 脚本中，先用 oneflow graph forward 一次，再加载 LoRA，结果与 torch 相同；在 oneflow_compile 中删掉对应转换语句，结果与 torch 不同。

[strint]

你用这个解决下 lora un-fuse 那个问题看看

[strint]

AutoInplaceAssign -> TensorInplaceAssign

Auto 没有什么含义

[strint]

这个 PR 需要配合一个 lora unfuse 的测试吧

[strint]

把 #407 合并到这里，并增加下那个 unfuse lora 的测试吧