[Perf] decord gpu context has no better performance than cpu context

I encountered decord gpu context has no better performance than cpu context.
Here's my test script with gpu warm up.

```
import os
import time

import cv2
from tqdm import tqdm

from decord import VideoReader, cpu, gpu

def get_video_frames_cv2(video_path, frame_index, num_frames):
cap = cv2.VideoCapture(video_path)
video = []
for _ in range(frame_index):
cap.read()
for _ in range(num_frames):
_, frame = cap.read()
video += [cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)]
cap.release()

return video

folder = "/root/luoyuan.luo/test_decord/video"

def test1():
t0 = time.time()
for f in tqdm(os.listdir(folder)):
vr = VideoReader(os.path.join(folder, f), ctx=gpu(0))
vr.get_batch([i for i in range(100)]).shape
t = time.time() - t0
return t

def test2():
t0 = time.time()
for f in tqdm(os.listdir(folder)):
vr = VideoReader(os.path.join(folder, f), ctx=cpu(0))
vr.get_batch([i for i in range(100)]).shape
t = time.time() - t0
return t

def test3():
t0 = time.time()
for f in tqdm(os.listdir(folder)):
get_video_frames_cv2(os.path.join(folder, f), 0, 100)
t = time.time() - t0
return t

print(f"====Round1====")
print(test1())
print(test2())
print(test3())
print(f"====Round2====")
print(test1())
print(test2())
print(test3())
print(f"====Round3====")
print(test1())
print(test2())
print(test3())
```

Here's the result:
```
$python bench_decord.py
====Round1====
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 2.01it/s]
1.0047369003295898
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 3.85it/s]
0.5202276706695557
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 3.89it/s]
0.5144822597503662
====Round2====
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 3.88it/s]
0.5154316425323486
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 4.11it/s]
0.4865293502807617
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 4.00it/s]
0.5009441375732422
====Round3====
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 3.91it/s]
0.5115153789520264
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 4.21it/s]
0.4750845432281494
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:00<00:00, 3.85it/s]
0.5194442272186279
```