今天要做的是針對昨天做出的推論模組，做實際測試
⸻

主要目標：
• 驗證 Rust .so 模組輸出與 PyTorch 一致
• 實測多次推論在 Rust 是否比 Python 快
• 量化比較結果（平均延遲、總耗時、吞吐量）

Task 1：準備 PyTorch 輸出基準資料
• 編寫 Python 腳本：
• 隨機產生 N 筆輸入資料 X（torch.randn(N, input_dim))
• 用 PyTorch 模型跑出對應的 Y = model(X)
• 儲存為 .npy 或 .json：方便 Rust 載入驗證

Task 2：撰寫 Rust 推論測試程式
• 載入 model.npz（用 .so 或直接函式）
• 載入 input.npy
• 逐筆做推論，並與 output_ref.npy 比較誤差
• 計算平均誤差 / 最大誤差（精度驗證）

Task 3：效能測試 - 多筆推論速度
• 使用 std::time::Instant 計算推論時間
• 支援兩種測試：
• 單執行緒
• 多執行緒（使用 rayon::par_iter()）

指標要列印：
• 總推論筆數
• 總耗時（秒）
• 平均每筆推論延遲（µs）
• 每秒推論次數（吞吐量 QPS）

Task 4：撰寫 Python 版效能對照程式
• 使用 PyTorch 載入模型
• 對相同 input.npy 資料執行推論
• 測量總時間 / QPS

Task 5：統一輸出報告
• 寫一個測試報告腳本或表格，輸出

這幾天身體不舒服，先放上tasks，之後補齊．