描述

修复Fmod高阶API样例的数据生成问题。

原数据生成脚本使用如下方式生成src0：

src0 = generate_random_data(0.0, 0.0, [159], dtype)

由于随机范围上下限相同，generate_random_data会通过np.full生成159
个0.0。根据Fmod计算公式：

Fmod(x, y) = x - Trunc(x / y) * y

当src0为0且src1非0时，计算结果始终为0。因此原样例生成的src0和
golden数据全部为0，导致精度验证退化。即使Kernel错误地始终输出0，
样例也可能通过，无法有效验证Fmod的正常取余逻辑。

修改方案

修改文件：

examples/01_simd_cpp_api/04_advanced_api/10_math/fmod/scripts/
gen_data.py

具体修改如下：

1. 固定随机种子

np.random.seed(123321)

保证每次生成的数据一致，避免CI测试数据随机变化。同时避免随机数据
偶发落在整数商边界附近，引入不同硬件实现之间的舍入差异。

2. 修改被除数src0的数据范围

src0 = generate_random_data(-10.0, 10.0, src_shape, dtype)

使用跨正负数的非退化随机区间，避免输入全部为0，并覆盖正、负被除
数场景。

3. 保证除数src1非0并覆盖正负值

src1 = generate_random_data(0.5, 5.0, src_shape, dtype)
src1[1::2] = -src1[1::2]

先生成绝对值范围为[0.5, 5.0]的除数，再将奇数位置改为负数：

• 明确避免除数为0。
• 避免除数过小导致商过大或精度不稳定。
• 同时覆盖正除数和负除数场景。

4. 注入固定测试数据

src0[:4] = [2.0, 2.0, -3.0, -3.0]
src1[:4] = [1.5, -1.5, 1.1, -1.1]

前4组数据用于覆盖被除数和除数的四种符号组合：

src0	src1	预期结果	场景
2.0	1.5	0.5	正被除数、正除数
2.0	-1.5	0.5	正被除数、负除数
-3.0	1.1	约-0.8	负被除数、正除数
-3.0	-1.1	约-0.8	负被除数、负除数

其中Fmod(2.0, 1.5)和Fmod(-3.0, 1.1)与样例README中的计算示例保持
一致。

该设计还可以验证Fmod余数符号跟随被除数src0，不受除数src1符号影
响。

影响范围

本次修改仅涉及Fmod样例的Python数据生成脚本：

• 不修改Fmod高阶API实现。
• 不修改Kernel代码及调用方式。
• 不修改输入输出shape和数据类型。
• 输入、输出及计算元素数量仍为159。
• 不引入新的AscendC API。

测试

已完成以下验证：

• 数据生成脚本执行成功。
• 生成的src1不包含0，绝对值范围约为[0.54, 5.00]。
• 生成的159个golden结果均为有限非零值。
• 前4个golden结果为：

[0.5, 0.5, -0.79999995, -0.79999995]

• 使用float32模拟Fmod计算路径，结果与np.fmod的最大绝对误差约为
  3.58e-7，低于样例现有的1e-4精度阈值。

• 使用相同随机种子重复执行，生成文件内容一致。

关联Issue

关联的Issue #1480

文档更新

无需更新文档。固定测试数据与README中已有的Fmod计算示例保持一致。

类型标签

• 🐛 fix: Bug 修复
• ✨ feat: 新功能
• ⚡ perf: 性能优化
• ♻️ refactor: 代码重构
• 🧪 test: 新增或修改测试
• 📝 docs: 文档更新
• 🔧 ci: CI/CD 配置修改
• ↩️ revert: 回退
• 🧹 chore: 其他，请具体描述