优化 UnitTest CI 稳定性：固定 GPU 工作目录、收敛 pytest 路径并隔离 stateful tests

[Aidenwu0209]

背景

当前 UnitTest CI 存在一类典型的不稳定现象：

• 首次执行 pytest ./tests 时出现批量失败
• 随后执行 rerun 或 --lf 时又通过

结合现有日志和脚本行为，这类问题主要有 4 个风险来源：

• GPU CI 脚本没有像 CPU CI 一样显式切到仓库根目录，执行行为依赖外部调用方的 cwd
• pytest.ini 没有固定 testpaths / pythonpath，全量执行和单文件执行的收集、导入语义不够稳定
• rerun 目前承担了“放行”作用，容易把 first-run flaky 洗成绿色
• 一些会修改全局状态的测试文件和普通测试混跑，容易造成进程级污染

本次改动

本 PR 只改了 3 个文件：

• pytest.ini
• scripts/unittest_check.sh
• scripts/unittest_check_gpu.sh

主要调整如下：

1. 固定 GPU CI 的工作目录

在 scripts/unittest_check_gpu.sh 开头补齐：

• cd /workspace/$1/PaConvert/
• echo "Current working directory: $(pwd)"
• requirements.txt / tests 存在性检查

目标是让 GPU CI 和 CPU CI 一样，始终从 repo root 执行，避免路径漂移影响：

• requirements.txt 安装
• pytest ./tests
• tests/apibase.py 中基于 os.getcwd() 的临时文件路径

2. 固定 pytest 的收集和导入路径

在 pytest.ini 中新增：

• testpaths = tests
• pythonpath = tests

目标是让以下行为更稳定一致：

• pytest tests/
• pytest 某个单文件.py
• python -m pytest

同时稳定诸如 from apibase import APIBase 这类测试工具模块导入。

3. 把 rerun 从“放行机制”改成“诊断信息”

在 scripts/unittest_check.sh 和 scripts/unittest_check_gpu.sh 中统一调整为：

• 首轮 pytest 的退出码决定 job 成败
• 失败后仍可执行诊断性 --lf rerun
• rerun 结果不再覆盖首轮失败
• GPU 侧移除 pytest-rerunfailures 和 --reruns=3

这样做的目的不是让 CI 更容易绿，而是让 CI 说真话，避免把 flaky 问题洗成“稳定通过”。

4. 隔离会修改全局状态的测试文件

在 CPU/GPU 两个 unittest 脚本中，都把以下 5 个 stateful 文件从主套件中排除，并在主套件之外按文件单独执行：

• tests/test_set_default_device.py
• tests/test_set_default_dtype.py
• tests/test_set_default_tensor_type.py
• tests/test_set_num_threads.py
• tests/test_set_printoptions.py

原因是这些测试会修改进程级默认状态，不适合和普通测试混在同一个 pytest 进程里跑。

当前执行策略是：

• 主套件先跑，并 --ignore 上述 5 个文件
• 然后这 5 个文件逐个单独起 pytest 进程执行
• 主套件和隔离套件统一汇总退出码

预期收益

• GPU CI 不再依赖外部入口目录，路径行为更稳定
• pytest 全量/单文件执行的收集与导入语义更一致
• first-run 失败不会再被 rerun 掩盖
• 会修改全局状态的测试文件与普通测试解耦，降低互相污染概率
• 后续如果仍有 flaky，日志会更容易定位到真实失败点

兼容性与影响

这次改动主要是 CI 行为收敛和稳定性优化，可能带来这些影响：

• CI 可能会比以前更容易显式失败
• 原因是以前有一部分失败会被 rerun 掩盖，现在不再掩盖
• CI 总时长可能会略有增加
• 原因是 5 个 stateful 文件会在主套件之外单独跑
• 这次改动优先解决“CI 反馈真实性”和“执行稳定性”，不等同于已经完全修复底层根因

验证

已完成以下直接相关验证：

• bash -n scripts/unittest_check.sh
• bash -n scripts/unittest_check_gpu.sh
• 检查 pytest.ini 中 testpaths = tests 与 pythonpath = tests 已生效
• 检查 CPU/GPU 脚本中：
  • GPU cwd 日志已加入
  • test_set_default_tensor_type.py 已纳入隔离列表
  • rerun 已改为诊断用途
  • GPU 已移除 --reruns=3

当前这条 PR 分支相对 origin/master 仅包含这 3 个文件变更，没有混入其他无关改动。

后续关注

如果这版合入后仍能复现 “first-run fail / rerun pass”，下一步更值得继续排查的方向是：

• tests/apibase.py 中动态执行与临时文件路径逻辑
• 是否还有其他未识别出的 stateful 测试文件
• 是否需要进一步做 per-case 临时目录或更强的执行隔离

[paddle-bot]

Thanks for your contribution!