Add custom ops cross_entropy and geglu

[FindHao]

Add two more custom ops from liger kernel.
Test Plan:

% python run_benchmark.py triton --op cross_entropy --num-inputs 1 --fwd_bwd
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:03<00:00,  3.27s/it]
  x_val    CrossEntropyLoss-latency    LigerCrossEntropyLoss-latency    InductorCrossEntropyLoss-latency
-------  --------------------------  -------------------------------  ----------------------------------
      0                     2.76342                         0.806368                            0.475168
% python run_benchmark.py triton --op geglu  --num-inputs 1
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1/1 [00:02<00:00,  2.68s/it]
  x_val    LlamaMLP-latency    LigerGEGLUMLP-latency    InductorLlamaMLP-latency
-------  ------------------  -----------------------  --------------------------
      0             68.2005                   67.695                     67.6715

[facebook-github-bot]

@FindHao has imported this pull request. If you are a Meta employee, you can view this diff on Phabricator.

[facebook-github-bot]

@FindHao has imported this pull request. If you are a Meta employee, you can view this diff on Phabricator.

[facebook-github-bot]

@FindHao has imported this pull request. If you are a Meta employee, you can view this diff on Phabricator.