张量

全景里那次 a.matmul(&b, &mut engine) 的 a 是一个 TypedTensor<f64>。这一部分讲它本身：类型里装了什么，[2, 3] 的六个数在内存里怎么排，这块内存归谁、什么时候被复制、用完去哪。engine 把调用送进 CPU 之后的事，在 CPU 后端。

代码在两个 crate 里。tenferro-tensor-core（src/ 2040 行，不含测试）只剩与存储无关的元数据：dtype 标签、标量 trait、秩、TensorLayout。tenferro-tensor（src/ 26273 行，不含测试）放所有带存储的张量：types.rs 一个文件 11680 行，TypedTensor、Tensor、各种视图都在里面；storage/ 4849 行（不含 storage/tests/）是分配组的所有权内核。tenferro-runtime 再把这些类型原样转出（tenferro_runtime::TypedTensor 就是同一个类型）。

1. 数据模型：DType 由一张标量表展开；TypedTensor<T, R, D> 的 R 是秩（DynRank 或 Rank<N>，后者可以 t[[i, j]]），D 是 0.8.0 新加的表示（Host、Gpu、默认的 Dynamic），只有 Host 能 clone；HostTensor 删了；动态 Tensor 是七个 TypedTensor 的枚举，互转不复制；TypedTensor<f64> 280 字节。
2. 列主序与视图：拥有型张量只有紧凑列主序一种布局；行主序缓冲区交给 from_vec_col_major 仍静默算错，from_vec_row_major 显式重排一次；transpose_view、slice_view、reshape_view 只换布局、不分配；CPU 引擎在这里接上 strided-rs；几种桥接方式的实测开销。
3. 存储与所有权：普通张量直接持有一个 Vec，只有进了分配组或来自后端缓冲区的才带 AllocationGroup；视图借用、duplicate 复制、移动不复制；CPU 引擎的输出 drop 时经弱引用回收器回池；分配编号属于设备侧，Apple 共享内存已删除，CUDA 只读源码。

flowchart TB
  vec["Vec f64"] --> ctor["from_vec_col_major"]
  ctor --> typed["TypedTensor T R D"]
  typed -->|from_typed| dynt["Tensor"]
  dynt -->|into_typed| typed
  typed --> layout["形状与步长"]
  typed --> place["Placement"]
  typed -->|Host 支| hostv["Vec 加回收器"]
  typed -->|Group 支| group["AllocationGroup"]
  typed -->|as_view| view["TypedTensorView"]
  view -->|to_contiguous| typed

第一页回答「它是什么类型」，第二页回答「数怎么排」，第三页回答「内存归谁」。eager 和 traced 两种张量（EagerTensor、TracedTensor）是在这层之上的句柄，分别在 eager AD 和 TracedTensor 讲。