Add maca support

[zhangjinnan]

No description provided.

[xiaolongma88]

问题: using_tf32 会吞掉业务代码的 RuntimeError

engine/src/utils.py 中 using_tf32 上下文管理器把整个 yield 包进了 try/except (AttributeError, RuntimeError):

try:
    was_cudnn = torch.backends.cudnn.allow_tf32
    was_matmul = torch.backends.cuda.matmul.allow_tf32
    torch.backends.cudnn.allow_tf32 = enabled
    torch.backends.cuda.matmul.allow_tf32 = enabled
    yield
    torch.backends.cudnn.allow_tf32 = was_cudnn
    torch.backends.cuda.matmul.allow_tf32 = was_matmul
except (AttributeError, RuntimeError):
    yield  # C500 等平台不支持 TF32, 静默跳过

问题所在: 在 NVIDIA 等支持 TF32 的平台上, 属性访问本身不会抛异常, 但 with 块内业务代码抛出的 RuntimeError (例如 CUDA OOM、显存不足——PyTorch 里最常见的错误类型) 会被这个 except 捕获。生成器被 throw() 注入异常后再执行 yield, contextlib 会抛出 RuntimeError: generator didn't stop after throw(), 原始异常被完全掩盖。

而 engine/main.py:311 的 with using_tf32(enabled=True): 包着的正是量化核心计算, 一旦 OOM 或 CUDA error, 排查时只能看到 "generator didn't stop", 原始堆栈全部丢失, 极难定位。

建议: 只保护属性读写, 不要包住 yield, 恢复逻辑放进 finally:

@contextlib.contextmanager
def using_tf32(enabled: bool):
    """安全启用/禁用 TF32。C500 不支持 TF32 时静默跳过。"""
    try:
        was_cudnn = torch.backends.cudnn.allow_tf32
        was_matmul = torch.backends.cuda.matmul.allow_tf32
    except (AttributeError, RuntimeError):
        was_cudnn = was_matmul = None  # C500 等平台不支持 TF32
    if was_cudnn is not None:
        torch.backends.cudnn.allow_tf32 = enabled
        torch.backends.cuda.matmul.allow_tf32 = enabled
    try:
        yield
    finally:
        if was_cudnn is not None:
            torch.backends.cudnn.allow_tf32 = was_cudnn
            torch.backends.cuda.matmul.allow_tf32 = was_matmul

这样 C500 上依旧静默跳过, NVIDIA 上业务异常也能正常向外传播, 且无论块内是否抛异常 TF32 状态都能恢复。