数组

这一部分走张量主线：建数组、计算、读回主机。jax.Array 和 tenferro 的 Tensor / TracedTensor 都是「形状加 dtype 加一块数据」，大多数运算能一一对上。不同的地方在三件 JAX 替你决定、tenferro 另有规矩的事上：数据怎么排（C 序还是列主序），dtype 从哪来（x64 开关还是 Rust 类型），整数怎么算（取整方向、除以 0、越界下标）。每页都是同一个任务的两份程序，数字从实测输出里贴。tenferro 张量内部的布局、所有权和 dtype 表，见 tenferro 卷的张量。

1. 布局与 reshape：同一段平铺数据，JAX 按 C 序读、tenferro 按列主序读；reshape 也按列主序，等于 jnp.reshape(order="F")；TRG 里先 transpose 再 reshape 的代码两边一字不改就能得到同一个 lnZ；进出主机的边界上要写 order="F"；批维放在右边。
2. dtype：JAX 不开 x64 时默认 float32 并静默降精度，tenferro 的 dtype 由 Rust 字面量决定（1.0 是 F64、1 是 I32）；整数加 float32 在 tenferro 里提升成 F64（JAX、PyTorch 是 float32）；没有弱类型，对应物是 scale_real；astype 拆成只许变宽的 convert 和有损的 cast，越界的浮点转整数报错而不是饱和。
3. 整数运算：/ 向零截断，对应 lax.div，不是 //；除以 0 返回错误，JAX 静默给出 −1、−2 或 0；溢出两边都回绕；scale_real(0.5) 作用在整数上什么也不做；越界下标两边都不报错，但 tenferro 不换算负下标、scatter 是累加且会把越界的更新写到边上。

flowchart TB
  host["主机 Vec 或 npy"] -->|"order F"| t["Tensor 列主序"]
  host -.->|"C 序直接传"| bad["静默错位"]
  lit["Rust 字面量"] -->|决定| dt["dtype"]
  dt --> t
  t --> op["运算"]
  op -->|"混合 dtype"| promo["traced eager 提升"]
  op -->|"整数 / 0"| err["Err"]
  op -->|"越界下标"| clamp["夹到边上"]
  op --> back["as_slice 列主序"]
  back -->|"reshape order F"| np["NumPy 数组"]