参照 ONNX 的 Gather 算子文档实现一个 CUDA kernel。该 kernel 需要接收三个输入参数：data、indices 和 axis，并输出 output。axis 的值缺省为 0。在开始实现之前，建议先访问 cuDNN 的官方网站，查询是否有现成的库函数可用于实现 Gather 操作；如果存在现成的库函数，可以同时添加库函数以及手写 cuda 算子的实现作为对比。

1. fork 本仓库；

2. 在 src/gather/gpu 目录下添加名为 gather_cuda.cu 的文件，并在其中实现 Gather 算子；

3. Gather 需要支持 ONNX 官方文档中 data 的所有数据类型，并与 PyTorch 保持 0 误差；

4. 在框架的 test/gather.py，验证你编写的 Gather 算子的精度和性能，必要的规模包括：

   • (3, 2), (2, 2), 0

     表示 data 的形状为 (3, 2)，indices 的形状为 (2, 2)，且 axis 的值为 0；

   • (3, 2), (1, 2), 1；
   • (50257, 768), (16, 1024), 0；

5. 性能要求：与 PyTorch 的实现相比，你编写的 Gather 算子在 (50257, 768), (16, 1024), 0 的性能应至少提高 20%；

6. 完成后向原仓库提交一个 issue，标题为提交作业，内容包括你的仓库链接，以及可展示你测试的环境、规模和性能差距的文本或图片；

• 编译项目

  make

• 清理项目

  make clean

• 测试算子

  make test