[Features] support hugging face qwen3 dense and qwen2 model

[lizexu123]

Fastdeploy支持hugging face qwen2系列，qwen3 dense模型模型

使用示例:
目前仅在load_choices为default_v1时，才支持加载hugging face模型，我们根据模型config.json中是否有torch_dtype来判断是加载的hugging face模型还是paddle模型
服务方式:

启动服务方式:
python -m fastdeploy.entrypoints.openai.api_server --model ${model_path} \
    --max-num-seqs 256 --max-model-len 32768 \
    --port 9032 --engine-worker-queue-port 7102 \
    --metrics-port 7203 --tensor-parallel-size 2 \
    --gpu-memory-utilization 0.9 \
    --load_choices "default_v1" \

请求:
import openai

ip = "0.0.0.0"
service_http_port = "9032"  # 服务配置的

client = openai.Client(base_url=f"http://{ip}:{service_http_port}/v1", api_key="EMPTY_API_KEY")
response = client.chat.completions.create(
    model="default",
    messages=[
        {"role": "user", "content": "北京天安门在哪里?"},
    ],
    temperature=1,
    seed=1,
    stream=False,
    max_tokens=30,
)

print(response.choices[0].message.content)
print("\n")

离线方式:

offline_demo.py
from fastdeploy.engine.sampling_params import SamplingParams
from fastdeploy.entrypoints.llm import LLM

model_name_or_path = "/workspace/Models/Qwen2.5-7B-Instruct"
sampling_params = SamplingParams(temperature=0.1, max_tokens=30, top_p=0)
# load_choices取值"default_v1"是新版Loader，"default"是旧版
llm = LLM(model=model_name_or_path,num_gpu_blocks_override=1024, tensor_parallel_size=2, load_choices="default_v1")
output = llm.generate(prompts="who are you",
                      use_tqdm=True,
                      sampling_params=sampling_params)
print(output)

[paddle-bot]

Thanks for your contribution!

[yuanlehome]

这两个单测文件删了，用彬涵那个单测形式，你这里直接copyV0的整个文件改，有大量重复冗余代码，之后V0上新增单测，V1感知不到

[lizexu123]

done

[bukejiyu]

这个bias 可以和上面的weight 和一起吧，只是一个2维一个 1维

[lizexu123]

已合并

[bukejiyu]

bias是1维的吧

[lizexu123]

已删除这里判断

[bukejiyu]

这个是不是可以删了？

[lizexu123]

done

[qingqing01]

新增的函数需要对所有入参增加注解，比如 output_dim 比较难理解

[lizexu123]

done

[Jiang-Jia-Jun]

这里model_format全部依赖自动判断了吗，如果某个模型config.json中没有torch_dtype，就无法被正确识别？也没法强制指定这个模型为torch模型？