fix: correct IR Conv2D and Reshape execution and tighten accuracy validation

[2813183274-cloud]

问题与修复

1. 修复 Conv2D 的 im2col 排列错误

原实现中，输入展开后的排列顺序与卷积权重的展平顺序不一致，导致多输入通道卷积将错误的输入元素与权重相乘；多 batch 时也存在排列问题。

本次统一 im2col 与 NCHW 权重的展平顺序，并正确保留 batch 与输出位置的对应关系。

2. 修复 Reshape 的 IR 执行

原解释器未正确使用 IR 中记录的目标形状，经常回退为二维展平。

本次改为按照 IR 的目标 shape 执行：

• 0：复制输入对应维度；
• -1：自动推导维度；
• 非法形状直接报错，不再通过回退掩盖问题。

最新主分支已经修复 ONNX Reshape 目标值的解析，因此本 PR 保留上游解析器实现，不重复修改。

3. 修正 IR 精度验证

原测试将 IR 解释结果称为“编译输出”，使用 MSE < 1.0、MAE < 1.0 的宽松阈值，并要求输出与参考结果不一致，无法可靠验证正确性。

本次：

• 明确测试验证的是 IR 语义执行结果；
• 按模型输出名称选择 ONNX Runtime 参考结果；
• 要求输出 shape 完全一致；
• 使用 rtol=1e-4、atol=1e-5 比较数值；
• 删除“输出必须不一致”的断言。

验证结果

原修复分支：

• 相关测试 123 项通过，无跳过。
• Conv2D 直接验证 10 组，覆盖多通道、多 batch、stride、padding、1×1 和偏置，最大绝对误差不超过 1.91×10⁻⁶。
• Reshape 直接验证 4 组，与 ONNX Runtime 完全一致。
• 当前 CNN 在 seed=42 下，IR 输出与 ONNX Runtime 一致，最大绝对误差、MAE、MSE 均为 0。
• 全量测试 943 项通过、1 项失败；失败原因是指令计数器测试未关闭临时文件，Windows 拒绝删除，与本次修复无关。

适配最新主分支后：

• 模拟器与伪指令回归测试 95 项通过。
• CNN 测试在上游解析器调用 onnx.shape_inference.infer_shapes 时发生 Windows 原生访问异常，尚未进入 IR 执行。该分支的 CNN 精度复测仍待完成，因此暂以草稿 PR 提交。

范围与后续工作

本 PR 仅修改 IR 解释器和 CNN 精度测试，不包含 standalone 后端改动、测试运行日志或规划文档。

主后端 Conv2D、GEMM、MaxPool、Sigmoid 的完整 lowering，以及主后端真实二进制精度验证仍需后续处理。

关联 #55，本 PR 不关闭该 Issue。

[github-actions]

🤖 AI Code Review

共审查 1 个变更文件

📁 tests/test_cnn_pipeline.py

Code Review: tests/test_cnn_pipeline.py

Overall solid improvement — the shift from loose MSE/MAE thresholds to strict shape + assert_allclose verification is the right call. A few issues:

---

🟡 Redundant skipif condition — The __import__("importlib").util.find_spec("onnxruntime") pattern is repeated 3 times (lines ~330, ~339, ~347). Extract to a module-level constant to avoid drift and improve readability:

_ONNXRT_AVAILABLE = __import__("importlib").util.find_spec("onnxruntime") is not None

Or better, use pytest.importorskip("onnxruntime") inside the onnxrt_output fixture so all dependent tests skip automatically.

---

🟡 test_output_names_match_model — weak assertion message — set(onnxrt_output) == expected_names gives no diff on failure. Consider:

assert set(onnxrt_output) == expected_names, (
    f"Output name mismatch: runtime={set(onnxrt_output)}, "
    f"model={expected_names}"
)

---

🟡 Hardcoded single-output assumption — test_ir_output_matches_onnxruntime asserts len(output_names) == 1 and fails with a message. If IRTraceExecutor ever supports multi-output models, this test becomes a silent landmine. A pytest.skip() or pytest.xfail() with a clearer message would signal intent better than a bare assert.

---

💭 Tolerance constants lack rationale — IR_RTOL = 1e-4 / IR_ATOL = 1e-5 are reasonable for float32 IR vs. ONNX Runtime, but a one-line comment explaining the choice (e.g., "accounts for single-precision accumulation order differences") would help future readers tune them confidently.

---

💭 test_output_shape / test_output_range_reasonable — Both hardcode assumptions specific to this one CNN model (size == 1, sigmoid range). Fine for now, but adding a comment like # TODO: parameterize when testing additional models signals this is model-specific.

---

No blockers. The core verification logic (shape check + assert_allclose with named output lookup) is correct and a meaningful improvement over the previous MSE/MAE approach.

---