增加CUDA模块 - 无需用户手动安装CUDA也可使用GPU加速

QPT相对于其它打包工具而言，技术方案更偏爱兼容深度学习领域，在使用深度学习工具包时难免会接触到CUDA等加速组件。
不要担心，QPT可以轻松让你打包的程序具备无需用户安装也能使用的CUDA模块！

Tips：由于新卡不一定兼容旧版本CUDA，推荐在打包时安装新版本且符合深度学习框架要求的CUDA。举例：使用GTX1050显卡+CUDA10.0进行打包，用户使用时使用GTX1080、RTX2080等显卡均可运行，但若使用RTX3060显卡（支持的最低CUDA版本为11.2）则可能会出现意料之外的问题，故建议在打包时使用覆盖面积较大的CUDA驱动版本。

使用方法A - PaddlePaddle为例

1. 【安装PaddlePaddle】
   当前Python环境下需要具备paddlepaddle-gpu这一Python库。
2. 【安装能用的CUDA】 当前系统中需安装paddlepaddle-gpu所对应版本的CUDA。
   例如你安装了paddlepaddle-gpu.post110，而在PaddlePaddle官网中可以查询到其支持CUDA11.0的深度学习包。
   因此在你的操作系统中需要安装CUDA11.0以及对应的CUDNN，以保障paddlepaddle-gpu可以运行。
3. 【一切照旧】
   按正常步骤来打包吧~，但需要注意的是，在确定Requirements文件时可以检查paddlepaddle-gpu 版本号是否正确，同时屏幕上也会提示搜索到PaddlePaddle-GPU版本信息：2.1.1，所需CUDA版本：10.2"的字样，此时请务必核对版本号是否符合预期。

使用方式B - 通用模式

只需在打包时添加CUDA相关SubModule即可，但在使用之前请保证本机已经安装对应版本CUDA，并将其正确加入环境变量。代码示例如下：

from qpt.executor import CreateExecutableModule as CEM

# 导入CUDA SubModule
from qpt.modules.cuda import CopyCUDAPackage

#                                                        
module = CEM(work_dir="./sample_program",                
            launcher_py_path="./sample_program/run.py", 
            save_path="./out",
            # 引入SubModule，并设置CUDA为所需版本，例如10.2
            sub_modules=[CopyCUDAPackage(cuda_version="10.2")])
# 开始打包
module.make()