变更摘要

该 PR 增强了 torch_npu profiler 的分析展示能力：在 prof level0 展示模式下，KernelViewParser 生成的 kernel 视图现在可以额外显示算子的输入/输出形状、数据类型、数据格式等 shape 信息。核心改动是新增 _get_kernel_headers 方法，在未开启全量 kernel 头部（is_all_kernel_headers 为 False，即 level0 场景）时，于 OP_SUMMARY_SHOW_HEADERS 基础上追加源数据中存在的 shape 头部，并新增 CsvHeaders.OP_SUMMARY_SHAPE_HEADERS 常量承载这些头部字段；同时重写相应单元测试以覆盖有无 shape 及非 level0 的场景。

主要改动

• 新增 shape 头部常量: 在 CsvHeaders 中新增 OP_SUMMARY_SHAPE_HEADERS，包含 Input Shapes、Input Data Types、Input Formats、Output Shapes、Output Data Types、Output Formats 六个字段，作为 kernel 视图展示形状信息的头部来源。

• 新增 _get_kernel_headers 方法: 在 KernelViewParser 中新增类方法 _get_kernel_headers(all_headers, is_all_kernel_headers)，当 is_all_kernel_headers 为 True 时返回全部头部；否则返回 OP_SUMMARY_SHOW_HEADERS 加上源数据中实际存在的 shape 头部，实现 level0 模式下形状列的按需展示。

• run 方法接入新逻辑: KernelViewParser.run 中 OpSummaryBean.headers 的赋值由原先在"全量头部"与 OP_SUMMARY_SHOW_HEADERS 之间二选一，改为调用 _get_kernel_headers(all_data[0].all_headers, ProfilerConfig().is_all_kernel_headers())，使 level0 输出 CSV 中可包含形状列。

• 重写单元测试: 将 test_kernel_view_parser.py 从 unittest 迁移到 torch_npu.testing.TestCase/run_tests 框架，新增 _get_kernel_headers 在 level0 有无 shape、非 level0 三种场景的用例，并补充 generate_view 在有无 shape 情况下的输出头部与写入断言。

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=44928&platform=gitcode&codeHostingPlatformFlag=gitcode

代码审查

✅ 未发现问题

/

/lgtm