变更摘要

本 PR 针对 numpy.random.uniform 大 tensor 生成时的内存峰值问题做性能优化：原先单次全量生成会产生 float64 中间数组（8B/元素）及 astype 副本，大 shape 下峰值约 12B/元素（fp32）。改动在 ttk/utilities/data.py 的 RandomData 中新增静态方法 _gen_uniform_data，复用 CHUNK_ELEMS=4M 分块直写预分配 typed 缓冲，并将 _random 的 uniform 分支与 float8 e8m0 分支统一改走该路径；因 uniform 逐元素消费 RandomState 流，分块输出与单次全量 uniform(...).astype(dtype) 逐位相同（固定 seed 可复现）。实测 177M 元素 fp32 峰值内存由 2032MB 降至 747MB（约 12B/元素 -> 4.4B/元素），同时修掉了 e8m0 分支缺失 copy=False 的多余拷贝。

主要改动

• 新增 _gen_uniform_data 静态方法：按 CHUNK_ELEMS 分块向预分配缓冲写入 numpy.random.uniform 结果，避免 float64 中间数组与 astype 副本；elem_count <= 2 * CHUNK_ELEMS 时保持原单次全量路径（astype(dtype, copy=False)），行为与改动前一致。
• _random 的 uniform 分支接入分块路径：将 array = numpy.random.uniform(low, high, shape).astype(dtype, copy=False) 替换为 array = self._gen_uniform_data(low, high, dtype, shape)，使 uniform 分布生成复用分块直写逻辑；fp16/bf16 的 torch 快路径与 float64 分支不受影响。
• float8 e8m0 分支同步替换：将 f32 = numpy.random.uniform(low, high, self._shape).astype("float32") 改为 self._gen_uniform_data(low, high, "float32", self._shape)，顺带消除原先无 copy=False 带来的多余拷贝。
• 新增 uniform 分块测试覆盖：tests/utilities/test_data.py 增加 8 种 dtype（float16/bfloat16/float32/float64/int32/int64/uint8/bool）的逐位等价测试、非 4M 对齐尾块（1、CHUNK-1）与整除（3*CHUNK）边界、多维 shape、小 tensor 保持单次路径、通过 spy 校验大 tensor 真实走分块（uniform 调用次数 >= 2）以及 generate 入口 dtype 保持。

代码审查

✅ 未发现问题

Thanks for your pull-request.
The full list of commands accepted by me can be found at here.
You can get sig-info at here.
You can self-configure the PR merge rules for this repository. For more details, please refer to Here.
For more, you also can visit HICANN.

PR Approval Progress

✅ Congratulations! All modules have met the lgtm and approve requirements.

Module Approval Details

💡 Tip:

• Committer can comment /approve or /lgtm
• Commenting /approve implies both code review (lgtm) and intent to merge (approve)

CLA Signature Pass

dengguojie, thanks for your pull request. All authors of the commits have signed the CLA. 👍

/compile

/lgtm
/approve

/lgtm
/approve