sd-webui refactor, and support refiner model

[marigoold]

重构了 webui 插件，主要是把相同的代码函数挪到一起；支持了 refiner，之前用 refiner 会报错，并且第二次推理 base 不会加速。

关于 refiner： refiner 其实可以看做是一个 unet，在推理的某个时刻替换 base 模型的 unet，使图像更高清。使用 base + refiner 推理的过程可以（不严谨地）看作是两个模型，在 n 个 step 的前 m 个 step 用第一个模型推理，剩下的 step 用第二个模型推理。

之前使用 onediff 跑 base + refiner 会报错，即使能跑起来也没有加速作用，原因如下：

1. 第一次推理正常，第二次推理时候报错 meta tensor 不能转化成 oneflow tensor。因为 webui 在加载 refiner 后，会把 base 销毁（也比较合理，因为之后的推理 base 模型不会再使用了），销毁的做法是 model.to(meta)，所以在第二次推理时，拿到的 unet 是个 meta model，就报错了
2. 解决了1之后，发现第二次推理时不会加速，原因是，在第二次推理之前，unet 默认是 refiner，在进入 process_images 之后切换成 base，但是 oneflow 把 unet 设置成 graph 是在进入这个函数之前。所以时间线是这样的 unet是refiner -> oneflow 把 unet 替换成 graph -> webui 加载 base，再把 unet 替换成 base 这就导致用 base 推理时，base 是最后一步的 webui 加载进来的纯 torch model，没有加速效果 本 PR 解决了上面两个问题。

注意：

1. 目前支持 refiner 的情况是，refiner 部分还是用 eager 跑，这么做有两个考虑的原因：
   • refiner 会在推理时临时加载，而且作用的 steps 通常不多。相比于加载模型的时间开销，编译节省的时间开销可能不太显著
   • 目前 base 模型需要驻留在内存中（不然 graph 会失效），如果 refiner 也编译，可能显存会吃不消
2. base + refiner 一起跑峰值显存会比 torch 原生高很多（主要就是一个 base 模型的大小）