feat(model): 新增 ModelLoader 链式构建 API 及 ORT GPU/Tract 多线程配置

- 在 ddddocr-core 中定义 ModelBuilder Trait 及其错误类型
- ddddocr-ort 支持 use_gpu、device_id 及 num_threads 链式配置与 CUDA 硬件加速
- ddddocr-tract 基于 multithread-mm 特性支持 CPU 线程数控制
- 支持基于 tract-linalg 配置推理线程数，显式引入 tract-linalg 的 multithread-mm 特性，控制 GEMM 算子并发
- 优化线程池加载策略，适配 Tokio 异步及 CLI 等多场景

ddddocr-ort/src/det/session.rs

@@ -0,0 +1,67 @@
+use crate::types::Session;
+use ddddocr_core::error::{Result, TensorError};
+use ddddocr_core::{DetEngine, DetOutput, InferenceEngine};
+use ndarray::Ix3;
+use ort::inputs;
+use ort::value::TensorRef;
+// use tract_onnx::prelude::{tvec, IntoTensor, Tensor};
+
+#[derive(Debug)]
+pub struct DetSession {
+    pub session: Session,
+}
+
+impl DetSession {
+    pub fn new(session: Session) -> Self {
+        Self { session }
+    }
+
+}
+
+impl InferenceEngine for DetSession {
+    type Output = DetOutput; // 明确绑定 OCR 小枚举
+    fn inference(&self, input_array: ndarray::Array4<f32>) -> Result<Self::Output, TensorError> {
+        // tract 的 run 会返回一个 Vec<TValue>，我们通常只需要第一个输出
+        // let result = self.ocr.run(tvec!(tensor.into()))?;
+        let mut session_guard = self
+            .session
+            .lock()
+            .map_err(|_| TensorError::Engine("获取 Session 锁失败 (Poisoned)".to_string()))?;
+
+
+        let result = session_guard
+            .run(inputs![TensorRef::from_array_view(&input_array).map_err(
+                |e| TensorError::Engine(format!("构建输入失败: {e}"))
+            )?])
+            .map_err(|e| TensorError::Engine(format!("执行模型推理失败: {e}")))?;
+        // .context("执行模型推理失败")?;
+        println!("模型输出原始数据: {:?}", result);
+
+        // Ok(result.swap_remove(0).into_tensor())
+        let raw_value = &result[0];
+
+        // raw_tensor.into_plain_array()?
+        let (shape_ref, slice) = raw_value.try_extract_tensor::<f32>().map_err(|_| {
+            TensorError::Engine("Tract 实体张量无法转换为 ndarray::ArrayD".to_string())
+        })?;
+        // 提前利用克隆(Clone)备份好当前未转维度前的真实 shape (Vec<usize>)
+        let shape_vec: Vec<usize> =
+            shape_ref.to_vec().iter().map(|v| *v as usize).collect();
+        let shape_vec_slice = shape_vec.as_slice();
+
+        let view = ndarray::ArrayViewD::from_shape(shape_vec_slice, slice)
+            .map_err(|_| TensorError::Engine("构建 ndarray ArrayViewD 失败".to_string()))?;
+
+        let array3 = view.to_owned().into_dimensionality::<Ix3>().map_err(|_| {
+            TensorError::DimensionMismatch {
+                expected: "3D 检测矩阵 [Batch, Box_Count, Box_Attributes]".to_string(),
+                actual: shape_vec, // 优雅降维失败时动态捕获
+            }
+        })?;
+        Ok(DetOutput::Detection(array3))
+
+        // 在引擎内部消化掉 DatumType 强耦合
+    }
+}
+
+impl DetEngine for DetSession {}