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-tract/src/ocr/session.rs

@@ -1,5 +1,5 @@
-use crate::loader::ModelMetadata;
 use crate::types::Session;
+use ddddocr_core::ModelMetadata;
 use ddddocr_core::error::{DdddError, Result, TensorError};
 use ddddocr_core::utils::normalize_ocr_logits;
 use ddddocr_core::{InferenceEngine, OcrEngine, OcrOutput};
@@ -83,7 +83,7 @@ impl InferenceEngine for OcrSession {
         match raw_tensor.datum_type() {
             DatumType::I64 => {
                 let array_d = raw_tensor
-                    .into_array::<i64>()
+                    .into_plain_array::<i64>()
                     .map_err(|_| TensorError::Engine("Tract 无法获取 i64 内存视图".to_string()))?;
                 // .context("Tract 无法获取 i64 内存视图")?;
                 // 🌟 提前提取真实维度
@@ -101,8 +101,9 @@ impl InferenceEngine for OcrSession {
             DatumType::F32 => {
                 let shape = raw_tensor.shape();
                 println!("模型输出shape数据: {:?}", shape);
+                // raw_tensor.to_plain_array_view()
                 let view = raw_tensor
-                    .to_array_view::<f32>()
+                    .to_plain_array_view::<f32>()
                     .map_err(|_| TensorError::Engine("Tract 无法获取 f32 内存视图".to_string()))?;
                 // 1. 极其纯粹的、无拷贝的多维 Shape 压扁清洗
                 normalize_ocr_logits(view, shape)