compat API
fandhe_ai::compat は自作コア（fandhe-ai-autodiff の Tape／Var／nn）の上に 被せた薄いラッパーです。数値ロジック・shape 検査は一切持ち込まず、 fandhe_ai_tensor_core::Tensor::new や fandhe_ai_autodiff::nn::Module へ委譲します。
対象レイヤーは Linear・ReLU・Sigmoid・Tanh の 4 種限定です。
compat::array
numpy np.array 慣習でテンソルを組み立てます。
use fandhe_ai::compat::array;
fn main() -> Result<(), Box<dyn std::error::Error>> {
// 1-D: `Vec<f32>` → shape [n]
let v = array(vec![1.0_f32, 2.0, 3.0])?;
println!("1-D shape: {:?}", v.shape());
// 2-D: `Vec<Vec<f32>>` → 行優先で平坦化し shape [rows, cols]
let m = array(vec![vec![1.0_f32, 2.0], vec![3.0_f32, 4.0]])?;
println!("2-D shape: {:?}", m.shape());
Ok(())
}このコードブロックは crates/facade/examples/array_shapes.rs の 実行コード部分（冒頭のモジュールドキュメンテーションコメントを除く use 以降）と同一です（cargo run --example array_shapes で実行 確認済み。出力は 1-D shape: [3] ／ 2-D shape: [2, 2]）。
行長が不揃い（jagged）な 2-D 入力は、計算前に検証してエラーを返します。
compat::Sequential
Keras Sequential 慣習でレイヤーを積み上げるビルダーです。add_* は self を消費し Self を返すメソッドチェーンで層を追加します。
| メソッド | 役割 |
|---|---|
add_linear(in_features, out_features, seed) | 全結合層を追加する（bias あり既定）。in_features == 0 は拒否されるため Result を返す |
add_relu() / add_sigmoid() / add_tanh() | 活性化層を追加する（shape 不変のため Result を返さない） |
predict(&input) | 推論の入口。既定バックエンド（CPU）で 1 ステップ分の Tape を構築して forward し、追跡を外した Tensor<f32> を返す |
forward(&tape, &input) | 呼び出し元が用意した Tape 上で forward する（外部 Tape に記録をつなげたいとき向け） |
学習（勾配取得・パラメータ更新）
Sequential::bind(&tape) はこのステップの Tape へ全 Linear 層の weight／bias を葉ノードとして登録し、SequentialVars を返します。
SequentialVars のメソッド | 役割 |
|---|---|
forward(&tape, &input) | 学習用 forward（bind 済みの葉ノードを使う） |
trainable_vars() | 学習可能パラメータの Var 参照列（層順に weight → bias） |
trainable_grads(&grads) | Tape::backward の結果から同じ順序で勾配参照列を取得する |
Sequential::trainable_parameters() / Sequential::apply_parameters(updated) と組み合わせることで、fandhe_ai::optim::Sgd や fandhe_ai::optim::AdamW （facade 公開面）の位置対応契約にそのまま渡せます。apply_parameters は shape を変えない 更新専用の契約であり、層幅を変えるリサイズ用途はサポート対象外です。
fandhe_ai::Tape newtype について
Sequential::forward／Sequential::bind はいずれも fandhe_ai_autodiff::Tape では なく fandhe_ai::Tape（fandhe-ai 側の newtype）を引数に取ります。これは fandhe-ai が任意の BackendOps 実装を注入できる公開 API をあえて設けない という設計判断（サポート境界の一部）によるもので、Tape は var／backward の 2 メソッドのみを公開しています。Tape を構築できる のは fandhe_ai::tape() / fandhe_ai::tape_for(Device) だけです。
コード例・動作確認済みの一次ソースは Getting Started を参照してください。