PR描述

【合入来源】

https://gitcode.com/Ascend/pytorch/issues/1575
请勿携带内部流程信息（需求链接、问题单、内部issue等）

• issue/工单

【修改方案】

请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列
如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容）

自定义用例设计原则
基于 “最小化、核心化、针对性” 原则，设计独立 NPU 测试用例，核心思路：

1. 剥离无关耦合：仅使用 PyTorch 原生基础层（Linear、BatchNorm、Conv2d）构建测试对象，避免算子适配干扰；
2. 聚焦核心功能：仅验证 API 基础能力，不涉及边缘场景与复杂计算，确保结果反映 API 本身适配状态；
3. 贴合 NPU 特性：重点校验设备一致性、跨设备状态迁移等 NPU 核心关注点；
4. 轻量化设计：单个方法验证一个核心功能点，逻辑清晰、执行高效。

自定义用例核心验证点，在 NPU（npu:0）环境下，覆盖四个 API 核心功能及协同场景：

1. Module：验证to(npu:0)迁移后，参数 / 缓冲区的设备一致性；
2. state_dict：验证状态提取的完整性、设备一致性，及保存 / 加载后的参数值一致性；
3. ModuleDict：验证键值对索引、新增、删除、遍历功能，及子模块设备一致性；
4. ModuleList：验证数字索引、新增、插入、删除、遍历功能，及子模块设备一致性；
5. 四者协同：构建嵌套复合模块，验证state_dict对复合模块的状态提取 / 加载及设备一致性。

【资料变更】

不涉及

【接口变更】

不涉及

【功能验证】

说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤
新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图

整体结论
自定义测试用例在 NPU（npu:0）环境下全部执行成功，四个核心 API 的 NPU 适配验证完成核心功能全覆盖，基础能力与协同逻辑均正常可用，满足 NPU 场景下神经网络构建、状态管理、容器管理的实际需求。

核心功能验证结果

1. Module设备管理：to(npu:0)可将模块及子模块的参数 / 缓冲区正确迁移至 NPU，无设备漂移；
2. state_dict状态管理：状态提取完整、设备一致，保存 / 加载后参数值无丢失、无偏差；
3. ModuleDict容器操作：键值对管理功能正常，容器内子模块与主模块设备一致；
4. ModuleList容器操作：列表式管理功能正常，容器内子模块与主模块设备一致；
5. 四者协同：嵌套复合模块可实现设备统一迁移、状态完整提取与加载，无兼容性问题。

用例合理性说明
自定义用例虽简洁，但具备充分有效性与合理性：

1. 聚焦核心能力，剥离算子、精度等无关耦合，验证结果直接反映 API 本身适配状态；
2. 覆盖 API 所有核心功能点及协同场景，与实际业务使用方式高度贴合；
3. 基于 PyTorch 官方测试框架开发，使用原生断言方法，符合官方规范；
4. 适配 NPU 异步性、设备标识规则，避免 “假失败”，验证结果准确可靠。

运行日志
[root@hostname-fqv42 ~]# docker exec -it test210 bash
root@hostname-fqv42:/home# python /root/torchnpuapi/newtest.py
....

Ran 4 tests in 1.708s

OK
root@hostname-fqv42:/home#

【CheckList】

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常