MegCC中添加Benchmarker

[chenqy4933]

MegCC的一大优势是可以获得极致的最小二进制文件大小，和一定的性能优势，但目前整个工程中只有一个yolox的example，缺少一个Benchmarker来测试一些传统模型的使用MegCC运行之后的性能。

TODO：添加一个对经典模型进行Benchmarker的工具，经典模型包括：

• mobilenet，resnet18，efficientnet等

[xxr3376]

typo: Benchmarker -> Benchmark

[zchrissirhcz]

XiaoMI 11 运行耗时

按 MegCC 的 yolox_example 在小米11上运行了推理， 未做代码修改， 单张图耗时是 574 ms 的样子（感觉不太符合预期， 印象中 yolox 很快）

build_arm64/install/bin/yolox_test: 1 file pushed, 0 skipped. 200.9 MB/s (4556688 bytes in 0.022s)
dog.jpg: 1 file pushed, 0 skipped. 106.7 MB/s (163759 bytes in 0.001s)
kernel_yolox_s_arm/yolox_s.tiny: 1 file pushed, 0 skipped. 41.7 MB/s (36007184 bytes in 0.824s)
1 = 0.92085 at 109.87 124.95 473.38 x 337.73
16 = 0.86038 at 130.45 202.16 190.11 x 345.95
7 = 0.62931 at 467.53 74.00 228.78 x 96.66
every iter use time: 574.460999ms
save output to my_out.jpg

对于 MegEngine 不太熟悉， 跑了一下 ncnn example 里的 yolox 推理， 在同一台手机上大概是 88ms：

# https://github.com/Tencent/ncnn/blob/master/examples/yolox.cpp
ncnn-yolox: took  88.977 ms
1 = 0.94841 at 125.62 119.55 434.34 x 302.63
16 = 0.91150 at 133.94 222.37 176.22 x 325.38
7 = 0.63394 at 464.03 76.89 228.93 x 94.88
2 = 0.55018 at 466.44 73.77 224.07 x 100.70
58 = 0.42597 at 683.98 110.99 32.67 x 42.73
imshow save image to image.png
waitKey stub

[chenqy4933]

@zchrissirhcz 可能模型不一样，我们用的是yolox的大模型