[EthanPeng-2048]

Smart Policy 性能优化与线程池实现

📋 概述

本 PR 实现了全局线程池和 SmartPolicy 执行策略的优化，显著改进神经网络训练的性能。主要包括：

1. 全局线程池 - 替代 std::execution::par_unseq，避免频繁创建/销毁线程的开销
2. 预分配缓冲区 - 在 Linear 层中复用计算缓冲区，减少内存分配
3. 热路径优化 - 使用原始指针和 data_ptr() 接口，便于编译器向量化
4. 矩阵操作融合 - 统一转置和乘法到预分配缓冲区，零额外分配

🎯 关键改进

1. 线程池实现 (thread_pool.hpp)

• ThreadPool 类 - 线程安全的任务队列，支持 parallel_for_each、parallel_transform、parallel_transform_reduce
• 全局单例 - global_thread_pool() 懒初始化，训练期间常驻，程序结束自动析构
• 自适应回退 - 工作线程数 ≤ 1 或数据量 < 线程数时自动退回串行

2. Linear 层优化 (layer.hpp)

// 添加预分配缓冲区
Matrix product_buf_;      // W * input 的中间结果
Matrix grad_WT_buf_;      // backward: W^T

// forward() 融合计算
W_.multiply_to(product_buf_, input);  // 写入缓冲区
// result = product_buf + bias（NRVO 优化）

// backward() 避免临时矩阵
W_.transpose_to(grad_WT_buf_);        // 就地转置
grad_WT_buf_.multiply_to(grad_input, grad_output);