【合入来源】

https://gitcode.com/Ascend/pytorch/issues/1904

• 需求
• 问题单
• issue/工单
• 重构优化
• 资料更新

【修改方案】

1. get_debug_state 适配
   • 使用 PyTorch 内置的 enable_profiling_mode_for_profiling_tests() 上下文强制启用 profiling executor。
   • 执行两次函数（一次 profile，一次 optimize），确保优化计划生成。
   • 通过 GRAPH_EXECUTOR 常量判断执行器模式，非 profiling 模式自动跳过测试。
2. save 适配
   • API 签名仅接受字符串路径，因此使用 tempfile.TemporaryDirectory 创建临时文件，避免对文件系统的污染。
3. save_to_buffer 适配

   • 验证返回类型为 bytes，并通过 io.BytesIO 模拟文件流加载，与保存前输出一致。

   • 原测试缺口：test_jit.py 虽大量使用 ScriptFunction，但缺少对其类型、save_to_buffer 及 save 直接路径的专门测试；get_debug_state 仅在特定测试中偶现调用，未系统验证。

• 新增覆盖：

  • 类型断言：确保 @torch.jit.script 生成的函数为 torch.jit.ScriptFunction 实例。
  • 调试状态：验证在 profiling 模式下两次执行后可获得有效状态对象。
  • 序列化闭环：通过 save_to_buffer → load 和 save(file) → load 验证序列化后语义等价。

• 边界适配：get_debug_state 通过 @unittest.skipIf(GRAPH_EXECUTOR != ProfilingMode.PROFILING, ...) 仅在有 profiling 执行器的环境中运行，避免内部断言错误。

• 新增测试文件 test/jit/test_jit_ScriptFunction.py。

• 实现 4 个测试用例，覆盖 ScriptFunction 类型、调试状态获取、内存序列化与文件序列化。

• 使用条件跳过（@unittest.skipIf）适配不同执行器模式（profiling / simple / legacy）。

• 不依赖外部文件，所有测试可在任意环境运行。

【资料变更】

不涉及

【接口变更】

不涉及

【功能验证】

root@devserver-fae-mirrors:/home/aicc/wf/api/2.7.1/pytorch/test# python test_jit_ScriptFunction.py
....
----------------------------------------------------------------------
Ran 4 tests in 10.120s

OK

覆盖版本：

v2.7.1
v2.9.0
v2.10.0
v2.11.0
v2.12.0
master

【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