openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=44482&platform=gitcode&codeHostingPlatformFlag=gitcode

变更摘要

该 PR 主要同步补充 inductor 侧图优化与多流相关的单元测试，新增 test/_inductor/test_ascend_graph_pass.py 和 test/_inductor/test_multi_stream.py。其中图优化测试覆盖 torch_npu._inductor.fx_passes.ascend_custom_passes.ascend_graph_pass 中的多种 fold/erase pass，并通过 torch.compile(..., backend="inductor") 与直接 FX 图变换两种方式对比 eager 结果；多流测试则通过 mock 环境覆盖 CATLASS 与 NPUTriton 代码生成路径在单流/多流下的 origin_node 传递及 workspace 分配/释放行为。

主要改动

• 新增图优化 UT 用例：在 test_ascend_graph_pass.py 中定义 CastStandardModel、CatSliceCatModel、FoldAddModel、FoldCatModel 等模型，并分别调用 fold_cast、cat_slice_cat_fold_pass、fold_four_op_pass、fold_cat、fold_reduce、fold_slice、fold_where、pad_slice_fold 等 pass，验证图变换前后结果与 eager 计算一致。
• 新增图优化编译对比用例：针对同一批算子组合提供 *_compile_cases 测试，使用 torch.compile(..., backend="inductor") 与标准计算结果比对，覆盖 cast、cat/slice/cat、四则运算、clone/detach/expand、reduce、view/squeeze、where、pad+slice 等场景。
• 新增多流 UT 测试替身：在 test_multi_stream.py 中定义 FakeGraph、FakeNode、FakeKernel、FakeWrapper、FakeScheduleGraph 等 mock 对象，用于隔离测试 CATLASSTemplateKernel、CATLASSScheduling、NPUTritonScheduling 和 NPUIndexTritonKernel 的代码生成行为。
• 覆盖单流/多流分支行为：通过 patch("...is_multi_stream", return_value=...) 切换单流/多流模式，验证多流时 origin_node 会透传到 kernel 调用及 workspace 的 generate_workspace_allocation/generate_workspace_deallocation，单流时则传 None。
• 新增端到端多流编译用例：提供 test_multi_stream_compile_case 与 test_single_stream_compile_case，在 is_multi_stream 开关不同取值下对包含 embedding、mm、cat、addmm 的算子图执行 torch.compile，并对比 inductor 输出与 eager 结果。

代码审查

✅ 未发现问题

/lgtm
/approve