注意！此项目重构，仍在开发中！
旧的框架并不好用。使用过程中发现其接口过于开放非常难用、组件间通信方式乱、初始化和管理方法完全暴露不好控制等等。这已经不是一般的问题了，必须要出重拳！艰难地品尝自己烹饪的东西后，决定回锅重炒，根据上一版应用过程中的问题，结合一些毕设过程中的实践心得，提出底层的设计思想，在此基础上重新开发。这次，我一定要成功口牙！嘻嘻！♪(^∇^*)
项目每层都提供一些 API，以及相关语法和应用例。
本地 API 文档 · ReadTheDocs API 文档 · 维护与兼容 · 版本变化
取得源码并进入项目根目录，在虚拟环境中按硬件准备 PyTorch 后执行：
python -m pip install .
python -m examples.minimal_train主示例位于 examples/minimal_train.py，完全离线，在 CPU 上完成数据变换、训练和指标计算。示例随源码提供，wheel 仅安装 nameframe 包。Python 3.10+ / PyTorch 2.0+ 是安装边界，实际验证范围见维护说明。
- 数据管线使用具体
Batch，逐样本变换接收并返回 Batch；模型返回 Tensor，损失约定返回标量 Tensor。 - 配置、注册表和 Dataset 基类均可按需采用，不要求为了使用一个模块接入整个库。
- 受支持的变换工厂为每个 loader 创建有状态变换，调用方负责避免修改共享 Tensor。
- 数据版本显式声明；内核不扫描文件或推测预处理状态。
- 训练编排、checkpoint、设备调度和分布式执行由调用方或其他工具负责，当前内核不提供这些能力。
在源码根目录安装开发依赖：
python -m pip install -e ".[dev]"相关检查、文档依赖与发行物验收统一见维护说明，普通使用无需安装这些开发工具。
MIT License，作者 Aloudname。