适用版本：Frame v1.3 M28，C++20；Python 绑定 0.1.0（可选）
最后更新：2026-07-25
本手册是非规范性使用说明；实现能力、安装契约与边界以 docs/ 为准。
学习目标
从源码安装 Frame，在仓库外建立一个独立 C++ 工程，再逐步学习静态图、nn、训练、设备和工具。
主线学习单元
主线章节按同一顺序组织：学习目标、前置、可运行入口或代码、预期输出、 PyTorch 对照、边界、小结、练习和下一章。PyTorch 只作为教学基线，帮助已有 经验的读者建立概念联系；它不是 Frame 的依赖，也不是等价实现。
建议路线
- 00 从源码安装 → 01 仓外 C++ 项目 → 02 核心概念。
- 04 nn 与数据 → 05 训练 → 06 后端与设备 → 07 C++ 与工具。
- 03 PyTorch 对照与 Frame Python 绑定是可选参考，可在完成第 02 章后阅读。
- 修改 Frame 本身时阅读08 开发者导览和 09 添加算子；遇到问题先查10 排错。
配套源码
| 章节 | 配套源码 | 作用 |
|---|---|---|
| 01 | 00_quickstart；01_tensor_basics | 最短安装包消费；完整运行期 Tensor 分配与读写。 |
| 02、06 | 02_graph_compile | CPU/CUDA 静态图编译执行。 |
| 04 | 04_nn_and_data | nn 构图与 CPU 批数据。 |
| 05 | 05_training | 前向、反向与 SGD 更新图。 |
| 07 | 06_onnx_weights | ONNX initializer 权重交换。 |
| 09 | 03_custom_op | 自定义算子注册与编译路径。 |
第 01 章的项目必须由读者创建在 Frame 仓库之外；上表中的配套源码由 CTest 构建运行，用于仓内学习与覆盖，仓外项目不依赖它们。
教程边界
- 主线使用导出的 C++ 包
frame::frame，不依赖仓库内部src/、examples/或源码include/路径。 Graph → compile → run是主线；运行期Tensor的分配需要显式后端与 allocator。- 各章节的可运行代码是学习入口，完整能力和支持矩阵仍以相应
docs/文档为准。