验证形状是否为矩阵（二维数组） @param shape 待验证的形状 @throws IllegalArgumentException 当形状不是矩阵时抛出

添加残差连接

将另一个数组累加到当前数组的指定位置 @param i 起始行索引 @param j 起始列索引 @param other 要累加的数组 @return 当前数组实例 @throws IllegalArgumentException 当数组不是矩阵时抛出

按轴聚合的通用方法，沿指定轴进行聚合运算 @param axis 聚合轴，0表示按列聚合，1表示按行聚合 @param operation 聚合操作函数 @param operationName 操作名称，用于错误提示 @return 聚合结果数组 @throws IllegalArgumentE

构建数据集 @param batchSize 批次大小 @param xs 输入数据数组 @param ys 输出数据数组 @return 数据集实例

创建自定义的深度卷积网络 @param name 网络名称 @param channels 输入通道数 @param height 输入高度 @param width 输入宽度 @param numClasses 输出类别数 @return 构建好的卷积网络

从文本集合构建词汇表 @param texts 文本集合 @param minFreq 最小词频阈值 @param maxVocabSize 最大词汇表大小

构建词汇表

清空梯度

通用的比较运算方法，对两个数组进行元素级比较 @param other 另一个操作数数组 @param comparison 比较操作函数 @param operationName 操作名称，用于错误提示 @return 比较结果数组，1.0表示true，0.0表示false @throws Il

计算总的负载均衡损失 这个损失应该添加到训练损失中以鼓励专家的均匀使用 @return 总负载均衡损失

余弦运算 对变量执行余弦运算 @return 余弦运算结果的新变量

创建数据集（用于数据集对象） @param name 数据系列名称 @param dataset 数据集对象 @param type 数据类型 @return XY数据集

创建目录（如果不存在） @param directory 目录

创建简单的迷宫环境 @return 迷宫环境

结束当前训练轮次并记录时间

模型评估

将模型信息导出为JSON格式（默认包含参数详细信息） @param model 模型 @param filePath 保存路径

数组展平操作，将多维数组转换为一维行向量 @return 展平后的一维行向量

前向传播计算除法 执行两个NdArray的除法运算：inputs[0] / inputs[1] @param inputs 输入的NdArray数组，长度为2 @return 除法运算结果的NdArray

生成训练数据

将数组转换为四维数组返回 @return 四维数组表示 @throws IllegalArgumentException 当数组不是四维时抛出

计算有效参数量（考虑MoE的稀疏性） @return 每次前向传播实际使用的参数量

获取Block中所有的参数 @return 包含所有参数的Map

获取指定臂的置信区间 @param armIndex 臂索引 @return 置信区间大小

获取自定义属性 @return 自定义属性映射

获取编码器 @return 编码器实例

获取索引到词的映射 @return 索引到词的映射

获取输入数据的形状 @return 输入形状

获取层类型统计 @return 层类型统计映射

获取模型版本 @return 模型版本

获取最优臂的索引

计算模型的总参数量 @return 模型总参数量

获取指定臂的后验方差 @param armIndex 臂索引 @return 后验方差

获取当前状态 @return 当前状态

获取标签数据数组 @return 标签数据数组

增加训练步数

判断是否是标量（零维形状） @return 如果是零维形状返回true，否则返回false

判断是否是向量（一维形状） @return 如果是一维形状返回true，否则返回false

创建线性空间数组（等间距排序数组） @param min 起始值 @param max 结束值 @param num 元素数量 @return 线性空间数组 @throws IllegalArgumentException 当数量小于等于0时抛出

计算掩码Softmax交叉熵损失 @param y 真实标签 @param predict 预测值 @return 损失值变量

掩码运算，将数组中大于指定值的元素设为1，小于等于指定值的元素设为0 @param number 阈值 @return 掩码运算结果数组

元素级最大值运算，将数组中小于指定值的元素替换为该值 @param number 阈值 @return 最大值运算结果数组

幂运算 对变量执行幂运算 @param pow 幂指数 @return 幂运算结果的新变量

准备示例语料库 @return 包含分词后语料的列表

打印数据集统计信息

添加经验到缓冲区 @param experience 要添加的经验

获取函数所需的输入参数个数 子类实现此方法来指定函数所需的输入变量数量。 返回-1表示函数可以接受任意数量的输入参数。 @return 函数所需的输入参数个数

重塑操作 改变变量的形状 @param shape 新的形状 @return 重塑后的新变量

重塑张量为多头形式

保存训练检查点 @param filePath 保存路径 @param epoch 当前训练轮次 @param loss 当前损失

使用ModelSerializer保存模型（推荐使用） @param filePath 保存路径

设置输入数据数组 @param xs 输入数据数组

设置输出数据数组 @param ys 输出数据数组

关闭训练器并释放资源 必须在训练结束后调用此方法以防止资源泄漏

开始新的训练轮次 @param _index 轮次索引

获取子数组（矩阵的子区域） @param startRow 起始行索引（包含） @param endRow 结束行索引（不包含） @param startCol 起始列索引（包含） @param endCol 结束列索引（不包含） @return 子数组 @throws IllegalArgume

主训练方法 - 自动选择单线程或并行训练 @param shuffleData 是否打乱数据

通用训练函数 @param model 模型 @param optimizer 优化器 @param lossFunc 损失函数 @param batches 训练批次 @param maxEpoch 最大训练轮数

更新训练信息 @param epochs 训练轮次 @param finalLoss 最终损失 @param optimizer 优化器名称 @param learningRate 学习率

设置是否使用批量归一化 @param use 是否使用批量归一化 @return 当前配置对象

验证两个数组的形状是否兼容（完全相同） @param shape1 第一个数组形状 @param shape2 第二个数组形状 @param operationName 操作名称，用于错误提示 @throws IllegalArgumentException 当形状不一致时抛出

计算准确率 @param label 真实标签 @param predict 预测值 @return 准确率

添加自定义属性 @param key 属性键 @param value 属性值

添加增强的卷积块 @param inputShape 输入形状 @param filterNum 卷积核数量 @param blockName 块名称 @return 输出形状

添加残差连接 @param input 输入张量 @param output 子层输出张量 @return 残差连接结果

添加残差连接

添加残差连接 @param input 输入 @param output 子层输出 @return 残差连接结果

应用Dropout正则化 简化版本的Dropout实现 @param input 输入变量 @param layerType 层类型（用于调试） @return 应用Dropout后的变量

返回数组中最大值的索引 @param array 输入数组 @return 最大值的索引

函数的反向传播计算（求导） 子类必须实现此方法来定义具体的反向传播计算逻辑。 该方法接收输出变量的梯度，计算并返回输入变量的梯度。 @param yGrad 输出变量的梯度 @return 输入变量的梯度列表

创建带残差连接的深度卷积网络 @return 构建好的卷积网络

清空回合数据

裁剪数组元素到指定范围 <p>将数组中小于最小值的元素设为最小值，大于最大值的元素设为最大值</p> @param min 最小值 @param max 最大值 @return 裁剪后的数组 @throws IllegalArgumentException 当最小值大于最大值时抛出

裁剪运算 将变量的值限制在指定范围内 @param min 最小值 @param max 最大值 @return 裁剪后的新变量

计算负载均衡损失 负载均衡损失鼓励专家使用的均匀分布，避免某些专家被过度使用 @return 负载均衡损失值

复制模型权重 @param source 源模型 @param target 目标模型

将参数从一个模型复制到另一个模型 @param sourceModel 源模型 @param targetModel 目标模型 @param strict 是否严格模式（所有参数都必须匹配） @return 成功复制的参数数量

创建动作变量 @param actionIndex 动作索引 @return 动作变量

创建要比较的智能体列表

创建Q网络 @param stateDim 状态维度 @param actionDim 动作维度 @param hiddenSizes 隐藏层尺寸 @return Q网络模型

创建示例模型 @return 创建的模型实例

创建带障碍物的网格世界 @param width 宽度 @param height 高度 @param obstacleRatio 障碍物比例 @return 网格世界环境

优化版本：从有填充的图像数组中裁剪出无填充的图像数组。 @param img 包含填充的图像数组。 @param pad 填充的大小。 @param H 原始图像高度。 @param W 原始图像宽度。 @return 裁剪后的无填充的图像数组。

将token ID数组解码为文本 @param tokenIds token ID数组 @param skipSpecialTokens 是否跳过特殊token @return 解码后的文本