《Born》第4章：张量系统——类型安全的数据表达

张量（Tensor）是深度学习的核心数据结构。Born 的张量系统有一个独特的设计：泛型 + 后端参数。

---

Tensor[T, B] 的设计

type Tensor[T DType, B Backend] struct {
    shape   Shape        // [2, 3, 4]
    strides Strides      // [12, 4, 1]
    dtype   DType        // f32, f64, i32
    data    RawTensor    // 底层字节缓冲区
    backend B            // CPU 或 WebGPU
}

T 是数据类型，B 是后端类型。编译期就能捕获这种错误：

a := tensor.Zeros[float32](shape, cpuBackend)
b := tensor.Zeros[float64](shape, cpuBackend)
c := a.Add(b) // 编译错误：类型不匹配

---

RawTensor：物理张量

RawTensor 是 Born 内部的物理张量表示，操作原始字节，不携带类型信息。它的核心职责：

内存分配（通过 BufferPool 复用）
引用计数（Copy-on-Write）
设备同步（CPU ↔ GPU 数据传输）

type RawTensor struct {
    buffer  *Buffer      // 内存缓冲区
    shape   Shape
    strides Strides
    refCount int32       // 引用计数
}

---

广播（Broadcasting）

a := tensor.Ones[float32](tensor.Shape{3, 1}, backend)  // [3, 1]
b := tensor.Ones[float32](tensor.Shape{1, 4}, backend)  // [1, 4]
c := a.Add(b)  // [3, 4]

Broadcasting 规则与 NumPy 一致：从右向左比较形状，长度相等或其中一个为 1 时可以广播。

---

内存管理策略

策略	说明	场景
BufferPool	对象池复用	频繁创建/销毁的张量
Copy-on-Write	写时复制	切片、转置等共享内存操作
Persist/Unpersist	显式持久化	模型参数标记为持久化

---

设备同步

WebGPU 后端的张量数据默认在 GPU 上。当你调用 .Data() 读取到 CPU 时，Born 自动处理同步：

// 在 GPU 上创建
x := tensor.Randn[float32](tensor.Shape{1000, 1000}, webgpuBackend)

// 隐式同步：从 GPU 读取到 CPU
data := x.Data() // 自动 await GPU 命令队列

---

📘 《Born》连载技术书，第 4/22 章。