[重构V] 修改命名空间、重定向 Operators、文件头引用、更好的统一格式化

[aztice]

PR For

Cpp

PR Types

Code Enhancements

Description

命名空间

• 对原有的 axono::compute::${device}::${type}::${opsName} 更新为 axono::ops::${opsName}::${device}

// 例子
// 令 算子注册 等流程不再需要
cuda::operators::Add(...);
// 只需要
cuda::Add(...);

重定向 Operators

• 我们删除了 Operators 并将其重定向至 Ops，以更加方便管理，而不需要在开发新算子/其他开发时思考其细节分类。

文件引用

// 原有
#include "axono/core/macros.h"
#include <cuda_runtime.h>
#include "axono/core/types.h"
#include <cstddef>
// 改为
#include <cstddef>
#include <cuda_runtime.h>

#include "axono/core/types.h"
#include "axono/core/macros.h"
... 以此类推

更好的统一格式化

• 所有 namespace 尾部均添加

namespace a {
namespace b {
// <-- 添加了空格
...
// <-- 添加了空格
} // namespace b <-- 添加额外注释标识
} // namespace a <-- 添加额外注释标识

[paddle-bot]

Thanks for your contribution!

[codecov]

Codecov Report

✅ All modified and coverable lines are covered by tests.

📢 Thoughts on this report? Let us know!

[aztice]

曾经

如今

CUDA 测试通过

是否执行单元测试-CUDA? (y/N): y
       db         8b        d8  ,ad8888ba,    888b      88    ,ad8888ba,
      d88b         Y8,    ,8P  d8"'    `"8b   8888b     88   d8"'    `"8b
     d8'`8b         `8b  d8'  d8'        `8b  88 `8b    88  d8'        `8b
    d8'  `8b          Y88P    88          88  88  `8b   88  88          88
   d8YaaaaY8b         d88b    88          88  88   `8b  88  88          88
  d8        8b      ,8P  Y8,  Y8,        ,8P  88    `8b 88  Y8,        ,8P
 d8'        `8b    d8'    `8b  Y8a.    .a8P   88     `8888   Y8a.    .a8P
d8'          `8b  8P        Y8  `"Y8888Y"'    88      `888    `"Y8888Y"'


为您运行 单元测试。
正发生
test_randn_basic_shape_dtype (test_randn.TestTensorRandn)
测试基本形状和数据类型生成 ... ok
test_randn_device_compatibility (test_randn.TestTensorRandn)
测试不同设备（CPU/CUDA）上的生成功能 ... ok
test_randn_distribution_properties (test_randn.TestTensorRandn)
测试正态分布的统计特性（均值和标准差） ... ok
test_randn_edge_cases (test_randn.TestTensorRandn)
测试边界情况（空张量、单元素） ... ok
test_randn_randomness (test_randn.TestTensorRandn)
测试每次调用生成不同的随机数 ... ok
test_tensor_creation (test_tensors.TestTensor)
测试 Tensor 创建 ... ok
test_tensor_data_types (test_tensors.TestTensor)
测试不同数据类型 ... ok
test_tensor_edge_cases (test_tensors.TestTensor)
测试边界情况 ... ok
test_tensor_fill (test_tensors.TestTensor)
测试 Tensor 填充 ... ok
test_tensor_fill_zero (test_tensors.TestTensor)
测试零填充 ... ok
test_tensor_large_array (test_tensors.TestTensor) ... ok
test_tensor_properties (test_tensors.TestTensor)
测试 Tensor 属性 ... ok
test_tensor_reshape (test_tensors.TestTensor)
测试 Tensor 重塑 ... ok
test_create_like (test_tensors.TestTensorFactoryMethods)
测试 create_like 方法 ... ok
test_zeros_ones_full (test_tensors.TestTensorFactoryMethods)
测试便捷创建函数 ... ok
test_weight (test_module.TestModule)
测试权重功能 ... ok
test_relu_basic (test_relu.TestRelu)
基础 ReLU：负值变 0，正值不变 ... ok
test_relu_basic_availability (test_relu.TestRelu)
使用 NumPy 实现 ReLU，并与 Axono 结果对比 ... ok
test_relu_inplace (test_relu.TestRelu)
原地 ReLU：数据被正确修改，对象可接受拷贝 ... ok
test_relu_large (test_relu.TestRelu)
大 tensor：确保所有输出 ≥ 0 ... ok
test_matmul_basic (test_matmul.TestMatmul)
测试基础矩阵乘法 ... ok
test_matmul_basic_availability (test_matmul.TestMatmul)
测试基础矩阵相乘是否有效 ... ok
test_matmul_different_sizes (test_matmul.TestMatmul)
测试不同大小的矩阵乘法：3x2 * 2x4 = 3x4 ... ok
test_matmul_large (test_matmul.TestMatmul)
测试大矩阵乘法 ... ok
test_add_basic (test_add.TestAdd)
测试基础逐元素加法 ... ok
test_add_basic_availability (test_add.TestAdd)
测试逐元素加法是否有效 ... ok
test_add_large (test_add.TestAdd)
测试大 tensor 逐元素加法 ... ok
test_add_validation (test_add.TestAdd)
测试不可广播形状应抛出异常 ... ok

----------------------------------------------------------------------
Ran 28 tests in 2.922s

OK

[Love-Asuka]

good name space.