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。