GELU+Dropout融合算子优化

目标：实现高性能的GELU激活函数与Dropout正则化的融合CUDA内核，确保精度对齐且加速比≥1.3x

融合算子定义：
- GELU激活函数：0.5 * x * (1 + tanh(sqrt(2/pi) * (x + 0.044715 * x^3)))
- Dropout：训练时随机置零部分神经元，推理时保持完整
- 融合优势：减少内存访问次数，提高计算效率

技术要求：
1. 精度对齐：与PyTorch原生实现完全一致，推理模式最大差异<1e-6
2. 性能优化：针对MetaX C500 GPU优化，训练/推理模式加速比均≥1.3x
3. 内存优化：融合操作减少中间结果存储
4. 随机性处理：高质量的随机数生成器，确保Dropout效果

测试数据：128×256张量，Dropout概率0.1

预期结果：
- 精度差异：推理模式最大<1e-6，训练模式平均<1e-5
- 性能加速比：训练模式1.5x-2.0x，推理模式1.8x-2.5x
- 融合效果：减少30%内存访问开销