[AutoParallel] add locallayer doc (#7033)

* add locallayer doc

* add locallayer doc

* update example codes

* update

* update

* update doc

Author: AndSonder

docs/api/paddle/distributed/LocalLayer_cn.rst

@@ -0,0 +1,106 @@
+.. _cn_api_paddle_distributed_LocalLayer:
+
+LocalLayer
+-------------------------------
+
+.. py:class:: paddle.distributed.LocalLayer(out_dist_attrs)
+
+LocalLayer 用于在分布式训练中实现局部计算操作。在自动并行训练中,某些操作(如带 mask 的 loss 计算、MoE 相关计算等)需要在每张卡上独立进行局部计算,而不是直接在全局分布式张量上计算。LocalLayer 通过自动处理张量转换,使得用户可以像编写单卡代码一样实现这些局部操作。
+
+参数
+:::::::::
+
+    - **out_dist_attrs** (list[tuple[ProcessMesh, list[Placement]]]) - 指定输出张量的分布策略。每个元素是一个元组,包含:
+
+      - ProcessMesh: 计算设备网格,定义计算资源的拓扑结构
+      - list[Placement]: 张量分布方式的列表,描述如何将局部计算结果转换回分布式张量
+
+**代码示例**
+
+.. code-block:: python
+
+    import paddle
+    import paddle.distributed as dist
+    from paddle.distributed import Placement, ProcessMesh, LocalLayer
+
+    class CustomLayer(dist.LocalLayer):
+        def __init__(self, out_dist_attrs):
+            super().__init__(out_dist_attrs)
+            self.local_result = paddle.to_tensor(0.0)
+        def forward(self, x):
+            mask = paddle.zeros_like(x)
+            if dist.get_rank() == 0:
+                mask[1:3] = 1
+            else:
+                mask[4:7] = 1
+            x = x * mask
+            mask_sum = paddle.sum(x)
+            mask_sum = mask_sum / mask.sum()
+            self.local_result = mask_sum
+            return mask_sum
+
+    dist.init_parallel_env()
+    mesh = ProcessMesh([0, 1], dim_names=["x"])
+    out_dist_attrs = [
+        (mesh, [dist.Partial(dist.ReduceType.kRedSum)]),
+    ]
+
+    local_input = paddle.arange(0, 10, dtype='float32')
+    local_input = local_input + dist.get_rank()
+    input_dist = dist.auto_parallel.api.dtensor_from_local(
+        local_input,
+        mesh,
+        [dist.Shard(0)]
+    )
+
+    custom_layer = CustomLayer(out_dist_attrs)
+    output_dist = custom_layer(input_dist)
+    local_value = custom_layer.local_result
+
+    gathered_values = []
+    dist.all_gather(gathered_values, local_value)
+    print(f"[Rank 0] local_loss={gathered_values[0]}")
+    # [Rank 0] local_loss=1.5
+    print(f"[Rank 1] local_loss={gathered_values[1]}")
+    # [Rank 1] local_loss=6.0
+    print(f"global_loss (distributed)={output_dist}")
+    # global_loss (distributed)=7.5
+
+
+方法
+:::::::::
+
+__call__()
+'''''''''
+
+执行局部计算的核心方法。该方法会:
+
+1. 将输入的分布式张量转换为本地张量
+2. 在本地执行前向计算
+3. 将计算结果按照指定的分布策略转换回分布式张量
+
+**参数**
+
+    - **inputs** (Any) - 输入张量,通常是分布式张量
+    - **kwargs** (Any) - 额外的关键字参数
+
+**返回**
+
+    按照 out_dist_attrs 指定的分布策略转换后的分布式张量
+
+**使用场景**
+
+LocalLayer 可以用于但不限于以下场景:
+
+1. 带 mask 的 loss 计算:需要在每张卡上独立计算 masked token 的 loss
+2. MoE (混合专家模型)相关计算:
+  - aux_loss 计算:基于每张卡上专家分配到的局部 token 数进行计算
+  - z_loss 计算:对每张卡上的 logits 独立计算 z_loss
+  - 张量 reshape 操作:在局部维度上进行 shape 变换
+3. 其他需要保持局部计算语义的场景
+
+**注意事项**
+
+1. LocalLayer 的输出必须指定正确的分布策略,以确保结果的正确性
+2. 在 forward 方法中编写计算逻辑时,可以像单卡编程一样使用常规的 tensor 操作
+3. 局部计算结果会自动根据分布策略进行聚合,无需手动添加通信操作