【合入来源】

• 需求

• 问题单

• issue/工单

• 重构优化

• 资料更新

• 关联 issue: https://gitcode.com/Ascend/pytorch/issues/3490

• 任务分类：1.2②（PyTorch 官方社区无用例，新增用例到 test 目录）

• pytorch 社区没有针对 torch.onnx.ONNXProgram.optimize 的独立测试用例，故新增该测试文件，用于验证该 API 的正确性。

【修改方案】

一、API 功能说明

torch.onnx.ONNXProgram.optimize() 是 ONNXProgram 类的公开方法，用于优化 ONNX 模型。该方法通过调用 onnxscript_apis.optimize(self.model) 对 ONNX IR 模型执行常量折叠和冗余消除，优化原地生效，返回值为 None。该 API 为非计算类 API，操作对象是 ONNX 模型图而非 PyTorch 张量，与数据类型和设备无关。

二、测试用例完备性说明

PyTorch 官方 test/onnx/exporter/test_onnx_program.py 中仅有 ONNXProgramRenameAxesTest 测试 rename_axes 方法，没有直接调用 ONNXProgram.optimize() 的测试用例。其他测试中的 optimize=False 是 torch.onnx.export() 的入参，与本方法无关。本次新增 test/onnx/exporter/test_onnx_program.py，通过 torch.onnx.export(dynamo=True, optimize=False) 创建未优化的 ONNXProgram，再调用 optimize() 直接验证：

• optimize() 返回值为 None；
• 优化后模型仍然有效（model 和 graph 非空）；
• optimize() 可重复调用不报错（幂等性）；
• 优化后模型的输入输出数量保持不变。

三、NPU 适配

测试通过 torch.onnx.export() 创建 ONNXProgram，输入张量通过 device_type = acc.type if (acc := torch.accelerator.current_accelerator()) else "cpu" 迁移到 NPU。optimize() 本身为非计算类 API，操作 ONNX IR 图结构，与设备无关。该测试代码在 v2.7.1 和 v2.12.0 间无需版本差异处理。

【资料变更】

不涉及

已检查：torch.onnx.ONNXProgram.optimize 在 docs/zh/api/native_api 的 pytorch_2-7-1、pytorch_2-11-0、pytorch_2-12-0、pytorch_2-13-0 四个版本目录的 torch-onnx.md 中均未收录，资料已在 PR https://gitcode.com/Ascend/pytorch/pull/43671 补充。

【接口变更】

不涉及

仅新增测试用例，未修改任何业务代码。

【功能验证】

• 本地 NPU 运行（torch 2.7.1+cpu）
  • 命令：TORCH_DEVICE_BACKEND_AUTOLOAD=0 python -m pytest test/onnx/exporter/test_onnx_program.py -v
  • 结果：======================== 4 passed, 2 warnings in 10.46s ========================

【CheckList】

• 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