变更摘要

该 PR 围绕「精度比对工具支持自定义比对算法」这一目标，将原先硬编码在 npy_compare.py 中的精度指标计算逻辑（余弦相似度、欧氏距离、最大绝对误差、最大相对误差、千分之一/千分之五误差占比）抽离为独立的算法模块，并新增 AlgorithmManager 统一管理内置与自定义算法。比对结果列与表头由固定常量改为通过 LazyConst/LazyDict 懒加载，使结果列可随自定义算法动态生成；同时将相关张量计算从 numpy 迁移到 torch，并同步调整多进程结果组装、精度校验和可视化等下游逻辑。

主要改动

• 新增算法管理器 AlgorithmManager：采用线程安全单例模式，扫描 builtin_algorithm 与 custom_algorithm 目录中符合 alg_([a-z0-9_]+)\.py 命名的模块，校验每个算法必须提供 column_name() 与三参数 compare() 函数，并通过统一的 compare 接口按列名批量执行算法。
• 拆分内置算法模块：新增 alg_cosine_similarity.py、alg_euclidean_distance.py、alg_max_absolute_error.py、alg_max_relative_error.py、alg_one_thousand_error.py、alg_five_thousand_error.py 六个内置算法，分别实现 column_name() 与基于 torch 的 compare()。
• 引入常量懒加载机制：在 CompareConst 中新增 LazyConst 与 LazyDict，将 ALL_COMPARE_INDEX、COMPARE_RESULT_HEADER、COMPARE_RESULT_HEADER_STACK、HEAD_OF_COMPARE_MODE 改为懒求值，使比对列与表头能够动态包含自定义算法列。
• 重构 npy_compare.py 的比对流程：删除 TensorComparisonBasic、GetCosineSimilarity、GetEuclideanDistance、GetMaxAbsErr、CompareOps 等类，compare_ops_apply 改为调用 AlgorithmManager；handle_inf_nan、get_relative_err 与 ValidateTensor 由 numpy 实现改为 torch 实现。
• 适配多进程与可视化等下游逻辑：ComparisonResult 由固定指标字段改为 results: Dict[str, List[str]] 按列名存储，multiprocessing_compute.py、acc_compare.py、msprobe_adapter.py 与 visualization/utils.py 等改为基于动态列名读写结果。

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=msprobe&number=956&platform=gitcode&codeHostingPlatformFlag=gitcode

代码审查

我已完成对全部 14 个变更文件的审查，并报告了 6 个问题。以下按文件确认审查结果：

• python/msprobe/core/common/const.py — 有 3 个问题（P1 注解兼容性、P3 staticmethod、P3 LazyDict 协议）
• python/msprobe/core/compare/acc_compare.py — 无问题（fill_cols 改为 ALL_COMPARE_INDEX.copy() 语义正确）
• python/msprobe/core/compare/algorithm/__init__.py — 无问题（空文件）
• python/msprobe/core/compare/algorithm/algorithm_manager.py — 无问题（单例、加载与校验逻辑审查未发现缺陷）
• python/msprobe/core/compare/algorithm/builtin_algorithm/__init__.py — 无问题（空文件）
• python/msprobe/core/compare/algorithm/builtin_algorithm/alg_cosine_similarity.py — 无问题
• python/msprobe/core/compare/algorithm/builtin_algorithm/alg_euclidean_distance.py — 有 1 个问题（P3 张量直传 format_value）
• python/msprobe/core/compare/algorithm/builtin_algorithm/alg_five_thousand_error.py — 无问题
• python/msprobe/core/compare/algorithm/builtin_algorithm/alg_max_absolute_error.py — 无问题
• python/msprobe/core/compare/algorithm/builtin_algorithm/alg_max_relative_error.py — 无问题
• python/msprobe/core/compare/algorithm/builtin_algorithm/alg_one_thousand_error.py — 无问题
• python/msprobe/core/compare/algorithm/custom_algorithm/__init__.py — 无问题（空文件）
• python/msprobe/core/compare/multiprocessing_compute.py — 无问题（批量赋值与错误消息对齐逻辑审查未发现缺陷）
• python/msprobe/core/compare/npy_compare.py — 有 2 个问题（P1 整型/bool 张量崩溃、P2 相对误差精度回归）

Closing Summary

• 按优先级统计：P1 × 2、P2 × 1、P3 × 3（共 6 个发现）。
• 总体风险判断：中等偏高。最需要优先处理的是 handle_inf_nan 对整数/bool 张量调用 torch.isinf/isnan 导致的运行时崩溃（P1），以及 const.py 新增 Any | None 注解缺少 from __future__ import annotations 在 Python<3.10 下的导入崩溃风险（P1）。其余为精度回归与若干低优先级健壮性/一致性问题。该变更整体实现了自定义比对算法能力，架构方向合理，但需修复上述正确性问题后方可稳定上线。

我已完成对所有 7 个变更文件的审查。以下为结论汇总。

审查结论

发现的问题（按优先级）：

• P1 ×1：core/compare/utils.py:24 无条件 import torch，破坏 MindSpore-only / 无 torch 环境的导入（CLI 与 MindSpore 比对路径均顶层导入该模块）。
• P2 ×1：pytorch/compare/utils.py:44 read_pt_data 返回类型由 numpy 改为 torch tensor，但调用方 pt_compare.py 仍用 np.concatenate，产生混合类型/脆弱隐式转换。
• P3 ×1：core/compare/utils.py:1256 get_relative_err 对零分母项错误地同时修改分子，且为无引用死代码。

各文件审查确认：

• python/msprobe/core/compare/utils.py — 发现 P1、P3 问题（另含大量纯格式化重构，无逻辑变化）。
• python/msprobe/core/config_check/ckpt_compare/metrics.py — 无问题（METRIC_FUNC 仍定义并被 ckpt_comparator.py 引用；移除的 CompareOps 无引用）。
• python/msprobe/pytorch/compare/utils.py — 发现 P2 问题（返回类型契约变更）。
• python/msprobe/visualization/builder/msprobe_adapter.py — 无问题（LazyConst/ALL_COMPARE_INDEX 用法与既有 const.py 模式一致，属有意延迟求值）。
• python/msprobe/visualization/compare/mode_adapter.py — 无问题（str2float 不再使用，tips 置空为前端已不展示，属有意行为）。
• python/msprobe/visualization/utils.py — 无问题（REAL_DATA_INDEX_LIST 改为 LazyConst 与自定义算法延迟求值意图一致）。
• test/msprobe_test/core_ut/compare/test_acc_compare_npy_compare.py — 无问题（测试重写，导入的 CompareResult/ValidateTensor 等符号已存在）。

整体风险判断： 本变更引入自定义比对算法能力，核心逻辑重构方向合理，但存在一个中等偏高的回归风险——core 模块无条件依赖 torch，会让无 torch 环境（尤其纯 MindSpore 用户）的整个工具在导入阶段崩溃；建议合并前优先修复该导入问题，并同步 pt_compare.py 的拼接逻辑以消除返回类型不一致。

⛔ 需要修改

/lgtm

/lgtm

/lgtm