核心机制 / Tensor 与 AI 计算

Tensor 与 AI 计算

Aero 内置编译期固定形状的二维张量:逐元素四则、matmul、BLAS Level-1 和四个归约都已实装。

创建与读写

let t = tensor(3, 4);        // 3 行 4 列,元素类型默认 i64,零初始化

t.set(0, 0, 1);              // 按索引写

let v = t.get(1, 2);         // 按索引读


let f = tensor<f64>(2, 3);   // 显式指定元素类型

形状由编译期维度决定,运行期不能改变。

逐元素运算

tensor_add(a: tensor, b: tensor) -> tensor
tensor_sub(a: tensor, b: tensor) -> tensor
tensor_mul(a: tensor, b: tensor) -> tensor
tensor_div(a: tensor, b: tensor) -> tensor
tensor_neg(a: tensor) -> tensor

矩阵乘法

let a = tensor(2, 3);
let b = tensor(3, 4);
let c = matmul(a, b);        // 2x4,左列数必须等于右行数,维度编译期校验

BLAS Level-1

blas_dot(x: tensor, y: tensor) -> elem          // 点积 x·y

blas_nrm2(x: tensor) -> elem                    // sqrt(sum(x*x))

blas_asum(x: tensor) -> elem                    // sum(|x|)

blas_amax(x: tensor) -> i64                     // |x| 最大元素的下标,0 基

blas_scal(alpha: elem, x: tensor) -> tensor     // 返回 alpha*x 的新张量

blas_axpy(alpha: elem, x: tensor, y: tensor) -> tensor   // 返回 alpha*x + y 的新张量

归约

返回值是张量创建时指定的元素类型,不是固定 f64:

sum(t: tensor) -> elem     // 所有元素之和

mean(t: tensor) -> elem    // 算术平均

max(t: tensor) -> elem     // 最大元素

min(t: tensor) -> elem     // 最小元素

tensor(2, 3) 的元素类型是 i64,所以求出来是整数;tensor<f64>(2, 3) 求出来的才是浮点。整数张量做 mean 会按整数截断。

1.2.6 更正:此前文档把张量能力写反了——说「有自动微分、没有逐元素算子」。实际正好相反,详见下方边界。

边界:目前**没有**的东西

matmul、逐元素四则、BLAS Level-1、四个归约✅ 已实装
自动微分(autograd / Grad)❌ 未实装
transpose 转置❌ 未实装
切片、广播❌ 未实装

不要照抄旧文档里的 grad_new() / g_backward() 示例。自动微分是规划中的能力,1.2.6 里没有对应内置函数,写了会报未定义符号。

max 和 min 是保留的归约内置名,自定义泛型函数不要用这两个名字,否则会撞名。

Aero 文档 · 基于 Aero 1.2.6 文档整理 · MIT
SereinTeam