Crate fandhe_ai 

composition root（TASK-9.3・イシュー #410・spec 確定は fandhe-ai-spec#52／spec PR #53。docs/spec/05-tasks.md:315）。

facade は 2 つの責務を担う（spec 確定内容）。

1. composition root（本クレート・本イシューで実装）: Device 識別子を受け取り、対応する具体 BackendOps 実装 （fandhe_ai_backend_cpu::CpuBackendOps／fandhe_ai_backend_cuda::CudaBackendOps／ fandhe_ai_backend_metal::MetalBackendOps）を構築して fandhe_ai_autodiff::Tape へ 結線する。この結線ロジックを持つのは本クレートのみであり、 tensor-core／autodiff／backend-* は互いに他バックエンドを 直接参照しない構造的境界（REQ-9・docs/fusion-graph-design.md §3.4「autodiff は具体クレートへの依存を一切持たない」）を、 上位でここに一本化する。

2. compat 公開面（compat::array／compat::Sequential）: TASK-9.4（イシュー #411）で fandhe_ai_autodiff::compat から本クレートへ 移設し実装済み。サポート境界の明文化（facade が唯一のサポート 対象公開 API 面であり tensor-core／autodiff／backend-* は 内部クレート）は docs/compat-api-scope.md を参照。

3. optim 公開面（optim。イシュー #961・親 #960。Adam〈coupled L2 weight decay〉は #1742・RMSprop／Adagrad は #1743・親 #1610・ LAMB は #1744）: SGD・AdamW・Adam・RMSprop・Adagrad・LAMB・ gradient clipping・LR スケジューラを fandhe_ai::optim の単一入口へ再エクスポートする。 値型・純関数のみのため REQ-12 と矛盾しない（詳細は optim モジュール doc）。

4. data 公開面（data。イシュー #1615・親 #1602）: map-style データセット（Dataset／TensorDataset）とミニバッチ供給 （DataLoader／DataLoaderConfig）を fandhe_ai::data の単一 入口へ再エクスポートする。ホスト側だけで完結し Op／ BackendOps／VJP を経由しないため REQ-12 と矛盾しない（詳細は data モジュール doc）。

5. nn 公開面（nn::rnn。イシュー #1955）: RNN／LSTM／GRU の Sequence レベル API（Rnn／Lstm／Gru。実体は fandhe_ai_autodiff::nn。#1647）を fandhe_ai::nn::rnn の単一 入口へ純再エクスポートする。forward_seq が生 Tape を引数に 取るため facade 利用者からは直接呼べず、impl Tape に追加した rnn_forward_seq／lstm_forward_seq／gru_forward_seq（&self.0 を渡すだけの薄い委譲。step_device_param_store 等と同型）が 入口となる。イシュー #2535 で多層・双方向・層間 dropout 版 （RnnConfig・StackedRnn／StackedLstm／StackedGru・戻り値型 2 型） も同モジュールへ再エクスポートし、stacked_rnn_forward_seq／ stacked_lstm_forward_seq／stacked_gru_forward_seq を追加した。 値型の再エクスポート＋薄い委譲のみで任意 BackendOps 注入経路を新設しないため REQ-12 と矛盾しない （詳細は nn::rnn モジュール doc）。同じく nn 配下に、PyTorch torch.nn.init.* 相当の初期化関数 9 個と補助 4 名を nn::init へ 純再エクスポートする（イシュー #2504。グローバル RNG に従う）。 さらに KV キャッシュ付き attention（KvCache・StatefulAttention・ MultiheadAttentionConfig）を nn::kv_cache へ純再エクスポートし、 入口として Tape::stateful_attention_forward（薄い委譲）を追加した （イシュー #2579。docs/kv-cache-design.md §11.4）。#3096 で外部キャッシュ版 Tape::stateful_attention_forward_with_cache も追加した （docs/facade-speculative-decoding-batching-design.md §19）。 #3112 でデバイス常駐ページ化キャッシュ（K-3。PagedKvCache・PagedKvCacheConfig）と 入口 Tape::new_paged_kv_cache／Tape::paged_attention_forward も追加した （docs/device-resident-kv-paged-attention-design.md §6・§13）。 損失構造体 14 種と引数型 10 種（Reduction・各オプション型 9 種。うち 5 種は #2854）は nn::loss へ純再エクスポートする（イシュー #2602・#2854。docs/facade-nn-loss-structs-exposure-decision.md）。

6. model 公開面（model。イシュー #2087・親 #2082）: ホームディレクトリ配下のキャッシュディレクトリを基盤とする ローカル限定モデルレジストリ model::ModelRegistry を提供 する。ホスト側のパス管理と interop::safetensors への委譲 のみで完結し BackendOps 注入経路を新設しないため REQ-12 と 矛盾しない（詳細は model モジュール doc・docs/facade- model-registry-decision.md 参照）。

7. text 公開面（text。イシュー #2937・親 #2935）: 語彙 lookup 型のテキスト変換 text::TextVectorization （Keras TextVectorization 相当。文字列バッチを [B, L] の Tensor<i32> へ変換する）。ホスト側の処理のみで完結し BackendOps 注入経路を新設しないため REQ-12 と矛盾しない （標準化・分割は ASCII 限定。詳細は text モジュール doc・ docs/facade-text-vectorization-design.md §16 参照）。

8. distributed 公開面（distributed。イシュー #3147・親 #3143）: DDP 初期形（std のみの TCP によるホスト側 ring all-reduce）の設定 distributed::DistributedConfig・集合の確立・分散ステップ （step_sgd／step_adam／step_adamw）。内部型は公開せず、認証・暗号化は無い （詳細は distributed モジュール doc・ docs/facade-distributed-host-collective-decision.md §16 参照）。

公開面の設計（REQ-12: 任意 BackendOps 注入の公開 API を設けない）

利用者向けに公開するのは Device 識別子を受け取る 2 関数 （tape・tape_for）と、それに必要な最小限の型再エクスポート （Device・BackendError）のみである。fandhe_ai_autodiff::Tape・ fandhe_ai_tensor_core::BackendOps は本クレートから再エクスポートしない （fandhe_ai::Tape::new_with_ops(ops) という経路がサポート面に露出すると 「任意 BackendOps 実装を注入できる公開 API を設けない」（REQ-12）と 矛盾するため）。この制約は tests/api_surface.rs がソース走査で 機械的に固定する。

Tape（composition root が構築する値）の扱い（codex-review PR #424 P1 是正）: tape・tape_for の戻り値は fandhe_ai_autodiff::Tape を そのまま返すのではなく、本クレート所有の newtype Tape でラップする。 fandhe_ai_autodiff::Tape を素通しすると Tape::new_with_ops という BackendOps 注入経路が facade 型として到達可能になり REQ-12 と矛盾する ため、Tape は Tape::var／Tape::backward の 2 メソッドのみを 再委譲する（構築は tape／tape_for 経由のみで、fandhe_ai_autodiff::Tape の任意構築経路は到達不能なまま）。compat::Sequential::forward／ compat::Sequential::bind もこの Tape 型を引数に取る（旧実装は fandhe_ai_autodiff::Tape を直に引数へ取っており、内部クレートの型が facade の 公開シグネチャへ直接露出していた。codex-review 指摘）。

TapeRef（#2394。nn::Module::forward の第 1 引数）は var／var_from／var_no_grad のみを持つ借用ハンドルで、 Tape の公開メソッドは変えない。crate 外の入口は From<&Tape> のみ。

TapeF64／VarF64／GradientsF64（#2599）は f64 専用の独立自動微分グラフで、 3 型とも本クレート所有の newtype（docs/autodiff-var-dtype-multiplexing-design.md §4.1・§10.1 の推奨案 D-2）。構築は TapeF64::new（facade Tape の借用）のみ。

Var／Gradients／AutodiffError／LinearVars（autodiff 由来）・ Tensor（tensor_core 由来）の扱い: これらは BackendOps 注入の 迂回経路を持たない値型・エラー型であるため、facade の正式な公開契約 として本クレートから再エクスポートする（下記 pub use）。 compat::{array, Sequential} の公開シグネチャはこの再エクスポート パス（crate::{AutodiffError, Tensor} 等）を使う。

Device::Cuda(_)／Device::Metal の構築規則

spec は本規則を「TASK-9.3 実装時にユーザー承認を得て確定」とする 未決事項として残しているため、以下の最小・自明な規則を採用した （イシュー #410 実装計画 §2-2。PR 本文でユーザー確認を仰ぐ）。

• Device::Cpu → CpuBackendOps::new()（常に利用可能なため検証不要）。
• Device::Cuda(ordinal) → CudaDeviceProvider::select で存在検証 （driver 不在・範囲外 ordinal は BackendError を返す fail-fast） したうえで CudaBackendOps::new(ordinal) を構築する。イシュー #929: CudaBackendOps の各演算メソッドは backend-cuda 側のプロセス内 キャッシュ（crate::context_cache。ordinal キー）を経由するため、 同一プロセス内で 2 回目以降に tape_for(Device::Cuda(_)) を呼んでも CudaContext 生成・NVRTC コンパイルは再実行されない。resolve_ops 自体（この関数）は毎回新しい CudaBackendOps／Tape を構築する 軽量な値であり、重い初期化コストはバックエンド側キャッシュが吸収する。
• Device::Metal（cfg(target_os = "macos")）→ MetalDeviceProvider::select で検証したうえで MetalBackendOps::new() を構築する。

既定デバイスの自動選択（GPU フォールバック等）・デバイス列挙の集約入口 （Device::available() 相当の facade 結線）は本イシューのスコープ外 （docs/public-api-design.md §4.1 の未決事項を尊重。 out-of-scope-tracking.md 対象）。

Modules

compat

numpy/Keras 慣習の互換 API 層（compat 公開面。TASK-9.4・#411）。 compat::array・compat::Sequential を提供する（詳細はモジュール doc・docs/compat-api-scope.md 参照）。 numpy/Keras 慣習の互換 API 層（REQ-9・TASK-9.4・イシュー #411）。

data

Dataset／DataLoader 公開面（イシュー #1615・親 #1602）。map-style データセット（data::Dataset・data::TensorDataset）とミニ バッチ供給（data::DataLoader・data::DataLoaderConfig）を 再エクスポートする（詳細はモジュール doc・docs/dataset-dataloader- design.md 参照）。 Dataset／DataLoader 公開面（イシュー #1615・親 #1602。docs/ dataset-dataloader-design.md）。

distributed

分散学習（DDP の初期形）の公開モジュール。

inference

バッチ推論（Sequential::predict_batches）と推論フェーズ計測の公開面 （イシュー #2192・#2582・親 #2131・#2581）。

interop

相互運用（interop）公開面の入口（イシュー #2017・#2018・#2019）。 interop::onnx（ONNX import／export。OnnxModel／OnnxValue／ OnnxError・OnnxModel::{from_bytes, from_path, from_path_with_limits, run, to_bytes, to_path}・OnnxExportOptions・OnnxExternalDataLimits 〈external data 読み込み予算。#2360〉。export は 2 経路で、to_bytes／to_path は import 済みモデルの roundtrip export〈#2018〉、OnnxModel::from_sequential は compat::Sequential の対応 6 層〈Linear／ReLU／Softmax／LayerNorm／ GELU〈erf 版〉／Conv2d。#2037・#2076〉から ONNX グラフを組み立てる。対応外の層は UnsupportedLayer で拒否する。docs/facade-onnx-export-exposure-decision.md §17） に加え、interop::safetensors（safetensors save／load 純再エクスポート。イシュー #2019）と interop::npy（npy／npz 読み書き純再エクスポート。イシュー #2590）を提供する （docs/facade-onnx-export-exposure-decision.md・docs/facade- safetensors-exposure-decision.md）。 相互運用（interop）公開面（イシュー #2017・#2018・#2019）。

model

model 公開面（model。イシュー #2087・親 #2082）: ホーム ディレクトリ配下のキャッシュディレクトリを基盤とするローカル 限定モデルレジストリ model::ModelRegistry を提供する。 ホスト側のパス管理と interop::safetensors への委譲のみで 完結し BackendOps 注入経路を新設しないため REQ-12 と矛盾しない （詳細は model モジュール doc・ docs/facade-model-registry-decision.md 参照）。 ローカルモデルレジストリ公開面（イシュー #2087・親 #2082）。

models

参照モデル（PyTorch の定番モデル）の公開モジュール。

nn

nn 公開面（イシュー #1955）。nn::rnn （Rnn／Lstm／Gru と多層版 Stacked*・RnnConfig の Sequence レベル API の純再エクスポート）と、 facade 独自の nn::Module（#2395）を提供する。forward_seq の呼び出しには Tape::rnn_forward_seq 等（本モジュール自体ではなく impl Tape の薄い委譲メソッド）を 使う（詳細は nn::rnn モジュール doc 参照）。 nn 公開面の入口（イシュー #1955）。

optim

optimizer 公開面（イシュー #961・親 #960。Adam は #1742・RMSprop／ Adagrad は #1743・親 #1610・LAMB は #1744）。SGD・AdamW・Adam・RMSprop・ Adagrad・LAMB・gradient clipping・LR スケジューラを再エクスポートする（詳細・ 適用順序契約はモジュール doc 参照）。 optimizer 公開面（イシュー #961・親 #960。設計判断 docs/facade-optimizer-promotion-decision.md §4 案 A「素の再エクスポート」）。

text

語彙 lookup 型のテキスト変換（Keras TextVectorization 相当）。

Structs

CreateGraphResult

Tape::backward_create_graph の戻り値。1 階勾配 （Self::first_order。既存 backward_impl の無変更な結果）に 加え、子テープ 'c 上に構築した「元テープの祖先ノードの写し」 （Self::child_var）と「その 1 階勾配（子テープ上の Var）」 （Self::grad）を保持する。

DeviceParamStore

デバイス常駐パラメータ更新の状態機械本体（モジュール冒頭コメント 参照）。単一デバイス固定（new() 時に tape.ops().device() から 決定し、以後変更不可）。Debug は unwrap_err()（テストコード）が Result<DeviceParamStore, _> を要求するため導出する（フィールドは いずれも Debug 実装済み: Device／DeviceBuffer<f32>（tensor-core 側で導出済み）／ParamLayout／PendingForward〈上記〉／ AtomicBool／DispatchFailureCell）。

EighVars

eigh の戻り値（多出力。Var::qr〈var.rs::QrVars〉と同型）。 Copy にはしない——Var<'t> 自体が Copy ではないため （QrVars／SvdVars も非 Copy）。

GemmChecksum

BackendOps::gemm_checksum の戻り値。checksum は C = A@B （論理領域 m×n）の全要素和を f64（Metal は Neumaier 補償和で f64 相当）アキュムレータ・固定順序で求めた値（決定的。同一入力・ 同一カーネル選択であれば bit 決定的に同じ値を返す契約。CPU／CUDA／ Metal の各実装 doc 参照）。output は ChecksumReadout::WithOutput のときのみ Some（BackendOps::gemm と bit 同一の Tensor<f32>）。

Generator

プロセスグローバルな RNG（manual_seed／with_global_rng）とは 完全に独立した状態を持つ乱数源（PyTorch torch.Generator 相当。 イシュー #2156・親 #2131）。

GradcheckOptions

gradcheck のアルゴリズム引数。Default は実装しない（閾値を暗黙に決めない）。 フィールドは非公開で、構築は GradcheckOptions::new（有限かつ正を fail-closed 検査）のみ。

GradcheckReport

gradcheck の結果。不一致は Err ではなく passed() == false の Ok で返す。 最悪要素は絶対誤差が最大の要素（非有限は無限大として扱い、同値なら最初のもの）。

Gradients

Tape::backward が返す勾配の入れ物。Var 単位で get() から 引ける（docs/public-api-design.md §3.1）。

GradientsF64

TapeF64::backward の結果（葉ごとの f64 勾配）。

HookHandle

Tape::register_backward_hook が返す解除ハンドル（Tape::remove_hook へ値で渡す）。

IstftOptions

istft のオプション（torch.istft の hop_length／win_length／center／ normalized／onesided／length 引数相当）。PyTorch 既定を Default と する。StftOptions と同じく #[non_exhaustive]・with_* ビルダ方式。

JvpCreateGraphResult

jvp_create_graph の結果（イシュー #3067・設計記録 §31.1）。孫テープ上の追跡された J·v と、 元テープの Var から孫テープ上の写し（親→子→孫の 2 段合成）を引く対応表を持つ。 公開型に出るライフタイムは孫テープの 'g だけ（1 段目の子テープは関数内に閉じる）。

LinearVars

Linear::bind が返す、1 ステップ分のテープに登録済みパラメータ。 weight/bias を公開する理由: Tape::backward 後に Gradients::get(&vars.weight) で勾配を取り出すのは呼び出し側 （optimizer。#192・本イシューではスコープ外）の責務であり、 LinearVars 自身は勾配更新 API を持たない。

PoolStats

[SizeClassPool] の統計スナップショット（POD。ハンドル・ポインタ・ trait object を一切含まない。設計文書 §3.1「フィールド更新契約」表が 各フィールドの増減規則の正）。

QrFactors

BackendOps::linalg_qr の戻り値（イシュー #1621。docs/ autodiff-linalg-design.md）。torch.linalg.qr(mode="reduced") と 同じ reduced QR（A: [m,n] → q: [m,k]・r: [k,n]、k = min(m,n)）。 r の対角は非負に正規化する（fandhe_ai_autodiff::eval::linalg と本クレートの実装が同一符号規約を採る契約。設計文書 §3.5「符号・ ゲージ規約」）。フィールドは pub（MseReduction／Activation の ような #[non_exhaustive] enum ではなく、バックエンド実装が値を 直接構築する struct のため。GemmChecksum と同方針）。

QrVars

Var::qr の戻り値。Q（[m,k]）・R（[k,n]）は別テープノード （多出力設計。Op::QrQ／Op::QrR doc 参照）。

ResidentLeaf

DeviceParamStore::register_resident_params／ DeviceParamStore::snapshot_resident_params が返す、テープ上の Op::ResidentLeaf ノードへの不透明なハンドル（イシュー #1022・ #1023「R3: 要素オフセット付き常駐ビュー」）。

ResidentLoss

学習 1 step の loss（デバイス常駐スカラー）の不透明ハンドル（イシュー #3254 P6。公開形の決定は docs/compat-resident-train-step-decision.md §4）。

ResidentTensor

デバイスに常駐する入力テンソルの不透明ハンドル（イシュー #3250 P1。公開形の決定は docs/compat-resident-train-step-decision.md §4）。

SgdConfig

SGD のハイパーパラメータ。フィールド名・既定値は torch.optim.SGD と揃える（fixture 突合時に対応関係を読み違えないため）。

SlogdetVars

slogdet の戻り値（多出力）。

SpectralNormState

spectral_norm の非追跡状態（u: [h]・v: [w]）と設定。h = shape[dim]・w = numel / h。

StftOptions

stft のオプション（torch.stft の hop_length／win_length／center／ pad_mode／normalized／onesided 引数相当）。PyTorch 既定を Default と する。非破壊拡張に備え #[non_exhaustive]・with_* ビルダ方式を採る。

SvdFactors

BackendOps::linalg_svd の戻り値（イシュー #1621）。 torch.linalg.svd(A, full_matrices=False) と同じ reduced SVD （A: [m,n] → u: [m,k]・s: [k]・vh: [k,n]、k = min(m,n)）。 s は降順（同値は安定ソート）に正規化する契約（設計文書 §3.5）。

SvdVars

Var::svd の戻り値。U（[m,k]）・S（[k]）・Vh（[k,n]）は 別テープノード（多出力設計。Op::SvdU／Op::SvdS／Op::SvdVh doc 参照）。

Tape

composition root（tape／tape_for）が構築する Tape の newtype ラッパー（codex-review PR #424 P1 是正）。

TapeF64

f64 専用の独立自動微分グラフのテープ（f32 の Tape とは別の添字空間）。

TapeRef

autodiff コンテナ内で facade 独自層へ渡す、var 系メソッドのみの借用ハンドル。

Tensor

テンソル本体。storage を複数の Tensor が共有することで view 系操作（transpose/narrow/reshape の contiguous ケース）を データコピーなしで表現する。

TopkOptions

topk_with_options のオプション（torch.topk の dim／ largest／sorted 引数相当）。PyTorch 既定（dim=-1・ largest=true・sorted=true）を Default とする。将来の 非破壊拡張に備え #[non_exhaustive]・with_* ビルダ方式を採る。

UniqueOptions

unique_with_options／unique_consecutive のオプション （torch.unique／torch.unique_consecutive の dim／ return_inverse／return_counts 引数相当）。既定（dim=None・ 追加出力なし）を Default とする。

UniqueOutput

unique_with_options／unique_consecutive の戻り値。要求 されなかった出力（return_inverse／return_counts が false）は None。非微分・detached（Var::unique と同型の理由。モジュール doc 参照）。

Var

テープ上の 1 ノードを指す追跡対象値。値そのものではなく NodeId + テープへの共有参照を保持し、演算のたびにテープへ新しいノードを 追加する（docs/public-api-design.md §3.1）。

VarF64

TapeF64 上の f64 変数（Copy なハンドル）。

VarHostView

Var::host_view が返す借用ビュー（イシュー #1335。P1 是正で Tape の借用を保持しない設計へ変更——Var::host_view ドキュメント コメント参照）。

Enums

AutodiffError

autodiff の公開 API が返すエラー型。

BackendError

バックエンド抽象層のエラー型（docs/public-api-design.md §4.4 を実装。 DeviceUnavailable variant はモジュール冒頭に記載のとおり本イシューで 追加した拡張）。

CastDType

cast 対象 dtype のタグ（イシュー #1750）。

ChecksumReadout

BackendOps::gemm_checksum の読み戻しモード（イシュー #1339）。

CreationError

arange／linspace 専用のエラー型。shape（要素数）起因の 不整合は Tensor::zeros 等と同じ ShapeError へ委譲し （From<ShapeError> 実装）、引数自体の不正（step == 0・非有限値） は ShapeError の対象外であるため本型で新設する （rng::RngError と同型の設計。イシュー #1726）。

CudaGemmPrecision

CUDA GEMM 精度モード（既定 Fp32Strict・単発 Tf32・3×TF32 Tf32x3。イシュー #1355。親ツリー #1354・承認元 #1338）の再公開。 set_cuda_gemm_precision／cuda_gemm_precision の戻り値・引数型 として使う（fandhe_ai_backend_cuda::precision::CudaGemmPrecision の 薄い再公開。PoolStats と同じ前例）。 CUDA GEMM（CudaBackendOps::gemm）が使う精度モード（イシュー #1355。3 択）。

Device

実行先デバイス（docs/public-api-design.md §4.1 のシグネチャをそのまま 実装）。

EmbeddingBagMode

bag 単位の縮約方法（torch.nn.EmbeddingBag(mode=..) 相当）。 #[non_exhaustive]: 将来 Sum／Mean／Max 以外の縮約 （PyTorch には存在しないが本クレート独自の拡張余地）を非破壊で 追加できるようにする（fandhe-ai-autodiff は crates.io 公開クレート。 docs/crates-io-naming-decision.md）。

FftNorm

FFT の正規化種別（torch.fft の norm 引数相当）。

GlobalPoolMode

GlobalPool の集約方式（イシュー #2160）。ONNX GlobalAveragePool／ GlobalMaxPool、Keras GlobalAveragePooling*／GlobalMaxPooling* 相当を単一の型 GlobalPool へ集約するための variant。 #[non_exhaustive] により将来の variant 追加（例: GlobalLp）を 破壊的変更なしで行えるようにする（docs/compat-api-scope.md の 非破壊拡張方針）。facade ルートから fandhe_ai::GlobalPoolMode として 再エクスポート済み（イシュー #2527。compat::Sequential::add_global_pool の引数型。GlobalPool 層型自体の再エクスポートは未承認）。

InterpolateMode

BackendOps::interpolate が適用するリサンプリング方式（イシュー #1757）。現時点では Nearest（最近傍）のみ持つが、後続 #1762 （bilinear）が同じ足場（Op::Interpolate／BackendOps::interpolate） を共有できるよう enum で受ける設計とする。

MatrixNormOrd

BackendOps::linalg_matrix_norm が計算する行列ノルムの種類 （イシュー #1621。torch.linalg.matrix_norm の ord 引数のうち facade が対応する 5 種）。

MeshgridIndexing

meshgrid の座標生成規約（torch.meshgrid の indexing）。

PadMode

非定数パディングのモード（F.pad の mode。定数埋めは既存 Var::pad）。

QuantileInterpolation

quantile の補間方式（torch.quantile の interpolation 相当）。

RngError

randint 専用のエラー型。shape 起因の不整合（要素数オーバー フロー等）は Tensor::zeros 等と同じ ShapeError へ委譲し （From<ShapeError> 実装）、low >= high という範囲自体の不正は ShapeError の対象外（shape 不整合限定。crates/tensor-core/src/error.rs の ShapeError variant 一覧参照）であるため本型で新設する （イシュー #1725）。bernoulli／multinomial／normal・ Generator（イシュー #2156）も同じ型を再利用し、確率・重み・ mean／std の検証違反用に variant を追加する（下記）。

ScalarDType

演算対象 dtype のタグ（イシュー #1687）。

ScatterReduceMode

scatter_reduce の縮約種別（torch.scatter_reduce の reduce 相当）。

ShapeError

テンソル生成・view 操作・reshape の shape 不整合を表す。

StftPadMode

stft の center = true 時の端パディング種別（pad_mode 相当）。

Traits

CastElement

cast 対象になりうる dtype の capability 境界（イシュー #1750）。

CustomFunction

ユーザー定義の forward／backward 対（docs/autodiff-custom-function- decision.md §12.4）。crate::Tape::custom（tape.rs）経由で テープへ登録する唯一の実装口。

Scalar

演算対象になりうる dtype の capability 境界（イシュー #1687）。

TypedOps

dtype 別の演算本体（イシュー #1687）。

Functions

arange

[start, end) を step 刻みで並べたテンソルを生成する（PyTorch torch.arange 相当。イシュー #1726）。randn／rand／ randint と同じくホスト側だけで完結し BackendOps を経由しない （Op／VJP も追加しない。微分不能な葉値のため）。数値契約 （プラットフォーム横断で bit 同一）は fandhe_ai_tensor_core::creation モジュール doc 参照。

available_devices

実行時に利用可能な Device を列挙する（docs/public-api-design.md §4.1 Device::available() の集約入口。イシュー #1614。TASK-1.9a （#44。tensor-core::device モジュール doc）が「集約入口をどの層で 結線するかは後続イシューへ引き継ぐ」としていた未決事項をここで解消 する）。

bernoulli

確率テンソル probs の各要素を成功確率とするベルヌーイ試行を行い、 0.0／1.0 の f32 テンソルを返す（PyTorch torch.bernoulli 相当。 イシュー #2593）。fandhe_ai_autodiff::bernoulli（実体は fandhe_ai_tensor_core::rng::bernoulli）への薄い委譲で、ホスト側だけで 完結し BackendOps を経由しない。manual_seed が設定したグローバル RNG を消費する（独立した乱数源が必要なら Generator を使う）。

cuda_elementwise_fusion_enabled

CUDA の elementwise 融合 opt-in の現在状態を返す （set_cuda_elementwise_fusion_enabled 参照。イシュー #3385）。

cuda_gemm_precision

set_cuda_gemm_precision で設定した現在の精度モードを返す （既定 CudaGemmPrecision::Fp32Strict）。

cuda_graph_infer_enabled

推論チェーン capture の現在の opt-in 状態を返す （set_cuda_graph_infer_enabled 参照。イシュー #3116）。

cuda_graph_step_enabled

set_cuda_graph_step_enabled で設定した現在の opt-in 状態を返す （既定 false）。

cuda_graph_step_mode

現在の CUDA Graph step capture の opt-in モードを返す（イシュー #1350。CudaGraphStepMode 参照）。

cuda_graph_step_stats

launch 固定費の診断用スナップショットを返す（イシュー #1350。 CudaGraphStepStats 参照）。計測ウィンドウの外（framework-compare の record 生成時）で 1 回だけ呼ぶことを想定しており、呼び出し自体は 計測時間へ計上されない設計（fandhe_ai_backend_cuda::graph:: step_graph_stats doc コメント参照）。

cuda_managed_memory_enabled

set_cuda_managed_memory_enabled で設定した現在の opt-in 状態を 返す（既定 false）。

cuda_onnx_gpu_execution_enabled

set_cuda_onnx_gpu_execution_enabled で設定した現在の opt-in 状態を 返す（既定 false）。

cuda_pinned_h2d_enabled

set_cuda_pinned_h2d_enabled で設定した現在の opt-in 状態を返す （既定 false）。

cuda_tf32_gemm_enabled

set_cuda_tf32_gemm_enabled で設定した現在の opt-in 状態を返す （既定 false）。

eye

n x n の単位行列を生成する（PyTorch torch.eye 相当。長方形版は 対象外。イシュー #1726）。dtype は f32 固定（facade 公開面は他の 生成系トップレベル関数と同じく f32 限定。汎用版は fandhe_ai_tensor_core::creation::eye::<T> を参照）。

is_deterministic

set_deterministic で設定した決定論モードの現在値を返す（既定 false。イシュー #2507）。fandhe_ai_autodiff::determinism:: is_deterministic への薄い委譲で、保証範囲・no-op 契約は set_deterministic を参照。

linspace

[start, end]（両端を含む）を steps 個の等間隔値で埋めたテンソルを 生成する（PyTorch torch.linspace 相当。イシュー #1726）。設計・ 到達経路は arange と同じ。

logical_and

要素ごとの論理積（PyTorch torch.logical_and の bool 入力版。イシュー #2596・親 #2594）。NumPy 互換ブロードキャストに対応し、非微分・tape 非記録のホスト計算である。

logical_not

要素ごとの否定（PyTorch torch.logical_not の bool 入力版。イシュー #2596）。契約は logical_and と同じ。巨大 broadcast view は確保前の 要素数検査で AutodiffError::Shape(..) になる（panic しない）。

logical_or

要素ごとの論理和（PyTorch torch.logical_or の bool 入力版。イシュー #2596）。契約は logical_and と同じ（ブロードキャスト・非微分・ AutodiffError::Shape(..)）。

manual_seed

PyTorch torch.manual_seed 相当。プロセス全体で共有されるグローバル 決定的 RNG（randn／rand／randint が消費する。#1602 本文の 設計方針どおりホスト生成のみで BackendOps は経由しない）の状態を seed からやり直す（イシュー #1724）。

memory_pool_stats

device のデバイスメモリプールの統計スナップショット（診断用。 イシュー #1020・#1021）。POD PoolStats のみを返し、内部ハンドル 表現は含まない（docs/device-memory-pool-design.md §3.1「facade からの再公開」）。プールを持たないバックエンドは Ok(None) （BackendOps::device_memory_pool_stats の既定実装）。存在しない デバイス・範囲外 ordinal・driver 不在は release_cached_memory と同じく BackendError を返す。

multinomial

重み weights（rank 1 または 2）に比例するカテゴリ抽出を行い、添字の i32 テンソルを返す（PyTorch torch.multinomial 相当。イシュー #2593）。設計・到達経路・乱数源は bernoulli と同じ。

normal

平均 mean・標準偏差 std の正規分布に従う乱数テンソルを生成する （PyTorch torch.normal(mean, std, size) のスカラー版相当。イシュー #2593）。設計・到達経路は bernoulli と同じ。

ones_like

like と同じ shape・全要素 1.0 の新規テンソルを生成する（PyTorch torch.ones_like 相当。イシュー #1726）。契約は zeros_like と 同じ。

rand

[0, 1) の一様分布に従う乱数テンソルを生成する（PyTorch torch.rand 相当。イシュー #1725）。設計・到達経路は randn と同じ。整数演算 のみで構成されるためプラットフォーム横断で bit 同一の決定性を持つ （fandhe_ai_tensor_core::rng モジュール doc 参照）。

randint

[low, high) の一様分布に従う整数乱数テンソルを生成する（PyTorch torch.randint 相当。イシュー #1725）。dtype は i32 （本リポの index／targets 型契約に合わせた意図的な差異。 docs/rng-global-contract-design.md）。low >= high は RngError::InvalidRange を返す。

randn

標準正規分布 N(0, 1) に従う乱数テンソルを生成する（PyTorch torch.randn 相当。イシュー #1725）。manual_seed が設定した プロセスグローバル決定的 RNG をホスト側だけで消費し（BackendOps を 経由しない。#1602 本文の設計方針）、返る Tensor は Tape::var で任意のデバイスへアップロードできる。

release_cached_memory

REQ-14 の明示解放 API（イシュー #1018 ツリー・#1020 CUDA・#1021 Metal）。device に対応するバックエンドのデバイスメモリプール （backend-cuda／backend-metal のサイズクラス別プール実装）が アイドル保持している分を即座に実解放する。プールを持たない バックエンド（CPU 等）は何もせず Ok(()) を返す（BackendOps:: release_cached_device_memory の既定契約。docs/device-memory-pool- design.md §3.1「facade からの再公開」）。

set_cuda_elementwise_fusion_enabled

GPU run_fused の elementwise allowlist 融合（区分 B-1）を CUDA で opt-in 有効／無効にする（イシュー #2085 が機構・#3115 が公開形・#3385 が 公開。公開形の正は docs/facade-graph-tier-b-optin-exposure-decision.md §3・§13）。

set_cuda_gemm_precision

CUDA GEMM（fandhe_ai::tape().var(a).matmul(b) 等が最終的に到達する CudaBackendOps::gemm）の精度モードを設定する（イシュー #1355。 set_cuda_tf32_gemm_enabled の 3 モード拡張版・同型の composition root 委譲）。

set_cuda_graph_infer_enabled

推論 forward チェーンの CUDA Graph capture を opt-in で有効／無効にする （イシュー #2115 が機構・#3115 が公開形・#3116 が公開。公開形の正は docs/facade-graph-tier-b-optin-exposure-decision.md §3・§4）。

set_cuda_graph_step_enabled

学習 step の update 区間（BackendOps::sgd_step_device_tracked）を CUDA Graph で capture・再利用する経路を opt-in で有効化・無効化する （イシュー #1349。親 #1348・ルート #1341 → #1269）。

set_cuda_managed_memory_enabled

CUDA DeviceBuffer の確保配置（alloc_zeroed／upload）を managed memory（cuMemAllocManaged）へ opt-in で切り替える（イシュー #1352。 親 #1351「GB10 物理統合メモリ向けゼロコピー割当の試作・実測」）。

set_cuda_onnx_gpu_execution_enabled

crate::interop::onnx::OnnxModel::run の GPU 実行（CUDA）を opt-in で有効化・無効化する（イシュー #2077。docs/onnx-gpu-execution- decision.md）。

set_cuda_pinned_h2d_enabled

CUDA H2D（ホスト→デバイス転送）を、pageable ホストメモリからの直接 転送ではなく pinned（page-locked）ステージングバッファ経由で発行する opt-in スイッチ（イシュー #1585。低レイヤー診断 docs/perf/lowlayer-diagnosis-2026-09-12.md §7 表 B-3 行で起票された 候補）。

set_cuda_tf32_gemm_enabled

CUDA GEMM（fandhe_ai::tape().var(a).matmul(b) 等が最終的に到達する CudaBackendOps::gemm）の TF32 Tensor Core 経路を opt-in で有効化・ 無効化する（イシュー #1042。親ツリー #1029 Phase 2）。

set_deterministic

PyTorch torch.use_deterministic_algorithms 相当の決定論モードを プロセス全体で切り替える（イシュー #2507。実装は #2157）。既定は false（opt-in）。

tape

既定バックエンド（CPU・TASK-2.5 ユーザー承認済み。 docs/public-api-design.md:429）で Tape を構築する。

tape_for

指定した Device へ明示的に結線した Tape を構築する。

zeros_like

like と同じ shape・全要素 0.0 の新規テンソルを生成する（PyTorch torch.zeros_like 相当。イシュー #1726）。like が転置・broadcast 由来の非 contiguous view であっても shape のみを引き継ぎ、strides は保存しない新規 contiguous バッファを返す （fandhe_ai_tensor_core::creation モジュール doc 参照）。

Type Aliases

CudaGraphStepMode

fandhe_ai_backend_cuda::graph::StepGraphMode の再公開（composition root。イシュー #1350）。framework-compare の bench-fandhe が --graph stream-only 起動時に「環境変数 FANDHE_AI_CUDA_GRAPH_STEP= stream-only が実際に反映されたか」を確認するために使う診断用途の 公開面（docs/compat-api-scope.md §0）。set_cuda_graph_step_enabled と異なり API からモードを設定する手段はない（stream-only は環境 変数専用の中間状態。fandhe_ai_backend_cuda::graph モジュール冒頭 コメント参照）。

CudaGraphStepStats

fandhe_ai_backend_cuda::graph::StepGraphStats の再公開（同上。 launch 固定費の診断用スナップショット）。