实现全局范数梯度裁剪

实现 PyTorch `clip_grad_norm_` 的核心逻辑。把多个张量视为一组梯度，计算它们的全局 L2 范数，超出 max_norm 时整体等比缩放： total_norm = sqrt( sum_i ||g_i||_2^2 ) # 所有元素平方和的平方根 if total_norm > max_norm: clip_coef = max_norm / (total_norm + 1e-6) g_i' = g_i * clip_coef else: 不缩放 返回: 元组 (clipped, total_norm)，其中 clipped 是与输入同形状列表对应的堆叠张量，total_norm 是 Python float。 为便于声明式判题，本题把「一组形状相同的梯度」表示为一个 (K, N) 张量：第 i 行是第 i 个梯度向量；返回值 clipped 形状与输入相同。 要求： - 不要调用 torch.nn.utils.clip_grad_norm_ / torch.nn.utils； - 不超阈值时必须原样返回（注意 clip_coef 分母里的 1e-6 只在裁剪时使用）。