07 C++ 与工具
适用版本：Frame v1.3 M28，C++20；Python 绑定 0.1.0（可选）
最后更新：2026-07-24
本章是非规范性使用说明；C++ 导出、DSL 和 ONNX 边界分别以 构建与测试、前端 DSL 和 ONNX 互操作接口为准。
学习目标
在已完成独立 C++ 项目的基础上，使用导出目标、JSON DSL 和 ONNX initializer 权重交换。
前置
安装和独立消费工程的完整步骤见00 从源码安装和01 仓外 C++ 项目，本章不重复这些内容。
可运行代码
消费工程继续使用导出的安装包和公共聚合目标：
find_package(frame CONFIG REQUIRED)
target_link_libraries(my_app PRIVATE frame::frame)
frame/frame.h 是核心入口，但不包含 nn、data、autograd 或 interop 的专用头；使用这些功能时显式包含各自的公共头文件。
frame_dslc 的 --check、--run 和 --emit 面向 v0 JSON DSL。ONNX 接口仅交换具名 initializer 权重：
const std::vector<frame::interop::NamedTensor> weights{{"weight", weight_tensor}};
frame::interop::save_onnx_weights("weights.onnx", weights);
auto loaded = frame::interop::load_onnx_weights("weights.onnx", *allocator).value();
预期输出
独立消费工程的验收是 CMake 成功找到 frame 并链接 frame::frame。DSL 和 ONNX 命令或示例的具体输出取决于输入文件；请运行相应工具或示例后记录实际结果。
PyTorch 对照
PyTorch 常将模型、权重和执行一起交给 Python 生态工具。Frame 的 v0 JSON DSL 是受限前端，ONNX 接口只交换 initializer；二者都不等于通用模型导入、导出或任意 PyTorch 程序转换。
边界
- 只链接
frame::frame，不依赖src/内部头或手工拼接内部库。 - v0 JSON DSL 不表示动态 shape 或通用图导入。
- ONNX 接口不导入或导出计算图；示例 06 当前使用 CPU Tensor。
小结
- 安装和
find_package的可复制步骤集中在第 00、01 章。 - 专用功能需要包含专用公共头。
- DSL 与 ONNX initializer 都有明确的 v0 边界。
练习
- 复用第 01 章的外部工程，增加一个显式包含专用公共头的功能模块。
- 运行仓内示例 06，确认保存和读取的名称一致。