用途：该技能用于使用 getitune（Geti 训练库）运行推理与评估。engine.predict() 返回逐项预测，engine.test() 在测试子集上计算指标。无论 engine 持有 PyTorch 模型还是导出的 OpenVINO/ONNX 模型，调用方式相同，后端由传入 model= 的内容决定。所有操作在 library/ 目录下执行。
主要能力：PyTorch 推理使用模型名或检查点，例如 create_engine(model="efficientnet_b0", data="/path/to/dataset")，随后调用 engine.test() 或 engine.predict()。OpenVINO/ONNX 推理传入导出的 .xml 或 .onnx 路径，会构建 OVEngine 并通过 ModelAPI 加载模型，同样支持 test() 与 predict()。
使用方式：先选择模型入口（PyTorch 用模型名/检查点，部署推理用 .xml/.onnx），确认 create_engine(...) 返回预期引擎类型；将 data= 指向含测试子集的数据集；运行 test() 获取指标或 predict() 获取逐项输出；验证导出时对比 PyTorch 与 OpenVINO/ONNX 指标，允许小幅数值漂移。CLI 示例：getitune predict --data_root /path/to/dataset --model efficientnet_b0；getitune test --data_root /path/to/dataset --model /path/to/exported_model.xml。
适用场景：模型评估、导出模型验证、部署前推理测试。
限制：需在 library/ 目录运行；数据集须包含测试子集；导出模型指标与 PyTorch 可能存在小幅数值差异。相关技能包括导出模型、优化模型（INT8 量化推理）与准备数据集。