快速卷积改变了 Inf / NaN 行为
卷积快速路径对 Inf / NaN 权重的处理与通用实现不一致，破坏 IEEE 754 语义。
Burn
—Stars以 Rust 构建的跨平台深度学习框架，兼顾训练、推理、自动微分和多后端部署，强调类型安全、性能以及从桌面到嵌入式设备的可移植性。
保住快速路径，也保住浮点语义
常见有限权重继续走向量化热路径，只有非有限值和 padding 同时出现时才精确修正。
COMMON PATHfinite weights原向量化快速卷积FAST
padding?Inf / NaN?
RARE PATHnon-finite weights精确后处理 padding 区域IEEE 754
异常值不能拖慢普通输入
不能为了修复非有限值就让所有输入回退到慢路径；正确边界只影响异常权重，有限权重仍应保留向量化优化。
只让罕见组合走修正路径
检测非有限权重并选择语义一致的计算路径，同时让普通有限权重继续经过原有向量化热路径。
速度与 IEEE 754 同时保留
统一快速路径与通用路径的数值语义，在保证 Inf / NaN 正确传播的同时避免正常模型性能回退。
