Refactor sync access blob by callback

[lixinqi]

优化cuda_tensor.numpy()，内部不再调用cuda_tensor.cpu().to_numpy()，而是直接在main线程的cuda stream上SyncAutoMemCpy。

[lixinqi]

这个pr需要精简一下，不需要考虑main线程直接进入vm内部的这个特性。只需要考虑对cuda_tensor.numpy的支持就行。