《Born》第7章：后端抽象与装饰器模式

Born 的 Backend 抽象是其架构的灵魂。它让同一套模型代码在不修改一行的情况下，运行在 CPU 和 GPU 上。

---

装饰器模式：Backend 的栈式组合

// 基础后端
cpuBackend := cpu.New()

// 装饰器：自动微分
autodiffBackend := autodiff.New(cpuBackend)

// 装饰器：内存分析
profileBackend := profile.New(autodiffBackend)

// 最终后端 = 内存分析 → 自动微分 → CPU 计算
backend := profileBackend

装饰器模式的威力：你可以像搭积木一样组合后端能力。

---

Backend 接口

type Backend interface {
    // 张量创建
    Zeros(shape Shape) Tensor
    Ones(shape Shape) Tensor
    Randn(shape Shape) Tensor
    
    // 逐元素运算
    Add(a, b Tensor) Tensor
    Sub(a, b Tensor) Tensor
    Mul(a, b Tensor) Tensor
    ReLU(x Tensor) Tensor
    Sigmoid(x Tensor) Tensor
    
    // 矩阵运算
    MatMul(a, b Tensor) Tensor
    Transpose(x Tensor) Tensor
    
    // 形状操作
    Reshape(x Tensor, shape Shape) Tensor
    Squeeze(x Tensor) Tensor
    
    // 归一化
    LayerNorm(x Tensor, weight, bias Tensor, eps float32) Tensor
}

---

装饰器实现示例

// AutodiffBackend 包装另一个 Backend
type AutodiffBackend struct {
    inner Backend
    tape  *Tape
}

func (b *AutodiffBackend) Add(a, b_ Tensor) Tensor {
    result := b.inner.Add(a, b_)
    b.tape.Record("Add", []Tensor{a, b_}, result)
    return result
}

func (b *AutodiffBackend) MatMul(a, b_ Tensor) Tensor {
    result := b.inner.MatMul(a, b_)
    b.tape.Record("MatMul", []Tensor{a, b_}, result)
    return result
}

每个算子调用都被记录到 tape 中，供反向传播时回放。

---

为什么要装饰器模式？

对比其他方案：

---

📘 《Born》连载技术书，第 7/22 章。