初始化仿射层的参数 使用Xavier初始化方法初始化权重矩阵

初始化RNN层的参数 包括输入到隐藏状态权重、隐藏状态到隐藏状态权重和偏置项

初始化GRU层的参数 包括更新门、重置门和候选状态的权重矩阵及偏置项

初始化模型 <p> 初始化编码器和解码器的参数。该方法在模型第一次使用前会自动调用。

初始化编码器的所有层 该方法会创建并配置所有的子层，包括嵌入层、LSTM层和Dropout层。

初始化网络层

初始化解码器的内部状态 该方法必须在执行layerForward之前调用，用于接收编码器的输出状态。 不同类型的解码器可能需要不同的初始化策略。 @param encoderOutput 编码器的输出状态，不能为null @throws IllegalArgumentException 当enc

初始化偏置参数

初始化模型信息 包括输入输出形状、参数数量、架构类型等基本信息

初始化随机参数 @param model 要初始化参数的模型

初始化权重参数（使用Xavier初始化）

将输入数据转换为NdArray @param input 输入数据 @return NdArray表示

检查层是否已初始化

获取并行训练状态 @return true 如果并行训练已启用

检查解码器状态是否已初始化 @return 如果状态已初始化则返回true，否则返回false

检查是否到达终止状态 @return 是否终止

是否使用基线 @return 是否使用基线

层的前向传播计算 根据输入的词汇索引从权重矩阵中查找对应的词向量 @param inputs 输入变量数组，包含词汇索引 @return 前向传播结果变量

ReLU激活函数的前向传播方法 @param inputs 输入变量数组，通常只包含一个输入变量 @return 经过ReLU激活函数处理后的输出变量

执行前向传播 <p> 该方法实现了完整的序列到序列转换流程。 @param inputs 输入参数，期望包含两个参数： inputs[0] - 编码器输入序列（源序列） inputs[1] - 解码器输入序列（目标序列的前缀） @return

执行编码器的前向传播 该方法实现了完整的编码流程：词嵌入 -> LSTM处理 -> Dropout正则化。 @param inputs 输入参数，期望包含一个参数： inputs[0] - 输入序列，形状为 [batch_size, seq_length] @retu

加载训练检查点 @param filePath 检查点文件路径 @return 检查点信息（包含模型、轮次、损失等）

加载模型参数到现有模型中 @param model 目标模型 @param filePath 参数文件路径

加载参数到当前模型 @param filePath 参数文件路径

计算调整后的学习率 @return 调整后的学习率

小于比较运算，比较当前数组元素是否小于另一个数组对应元素 @param other 另一个操作数数组 @return 比较结果数组，1.0表示小于，0.0表示不小于 @throws IllegalArgumentException 当两个数组形状不一致时抛出

执行二维矩阵乘法

均方误差损失函数 @param y 真实值 @param x 预测值 @return 均方误差

均方误差损失 计算当前变量与目标变量之间的均方误差损失 @param other 目标变量 @return 均方误差损失值

沿指定轴合并多个数组（通用方法） @param result 结果数组 @param axis 合并轴 @param ndArrays 待合并数组

优化的矩阵按列合并方法 @param result 结果数组 @param ndArrays 待合并数组

将NdArray转换为输出数据 @param ndArray NdArray对象 @return 输出数据

数字微分函数的通用求导 使用数值微分方法计算函数在指定点的导数 @param func 要求导的函数 @param input 输入值 @param eps 微小增量，默认为0.00001 @return 导数结果

并行训练实现 将batch分配给多个线程并行处理，然后聚合梯度并更新参数 @param shuffleData 是否打乱数据

执行Im2Col操作 @param input 输入数据 @return 列格式的输入数据

执行矩阵乘法操作 @return 矩阵乘法结果

性能分析

逐点卷积实现

预测下一个token @param tokenIds 输入token序列 @return 最可能的下一个token ID

准备训练批次

准备训练数据

预处理文本数据 将原始文本转换为token序列，并进行填充或截断处理

打印所有层的专家使用统计

打印专家使用统计信息

打印专家使用统计信息

打印模型信息

打印模型信息

简化的专家使用统计打印

打印智能体当前状态

打印词汇表信息

并行处理批次数据 @param batches 批次列表 @param epoch 当前轮次

顺序处理批次数据（备用方案） @param batches 批次列表 @param epoch 当前轮次

递归收集所有参数 @param allParams 用于存储所有参数的Map

ReLU运算 对变量执行ReLU运算，将负值置为0 @return ReLU运算结果的新变量

ASCII艺术渲染

重置环境到初始状态 @return 初始状态

重置所有MoE块的专家使用统计

重置MoE专家使用统计

重置Block中所有RNN层的状态

重置LSTM层的内部状态 在处理新序列之前应调用此方法

重置专家使用统计

重塑滤波器权重以进行矩阵乘法 @return 重塑后的权重

将二维矩阵重塑回三维张量

重塑输出为正确的形状 @param output 矩阵乘法的输出 @param batchSize 批处理大小 @return 重塑后的输出

将三维张量重塑为二维矩阵

从检查点恢复训练 @param filePath 检查点文件路径 @return 恢复的模型

运行算法比较实验

运行详细实验（显示中间过程）

运行单次详细实验

运行单次实验

随机采样一批经验 @param batchSize 批次大小 @return 采样的经验数组

从概率分布中采样动作 @param probabilities 概率分布 @return 采样的动作

保存训练检查点（包含模型状态和训练信息） @param model 模型 @param epoch 当前训练轮次 @param loss 当前损失 @param filePath 保存路径

保存压缩模型 @param filePath 保存路径

保存参数统计信息到文本文件 @param parameters 参数映射 @param filePath 文件路径

仅保存模型参数 @param model 模型 @param filePath 保存路径