用途：在 Haskell 中实现类型安全的深度学习，借助依赖类型把张量形状写入类型参数，使形状不匹配在编译期报错，并以范畴论结构（函子、态射、Para、Lens）组织网络与反向传播。
主要能力：Tensor[shape, dtype] 以形状为类型参数；Linear 视为向量空间范畴间的态射；层组合类型安全；反向传播作为反向模式自动微分函子。资料展示类型级矩阵乘法与广播（MatMulShape、Broadcast、Max），Sequential 类型安全前向，Functor/Applicative/Monad 实例，grad 计算梯度，trainStep 与 trainEpoch 训练循环，以及 Para 范畴与 Lens 反向传播模式。
使用方式：在 stack.yaml 或 cabal 中加入 extra-deps: hasktorch-0.2.0.0 与 libtorch-ffi-0.2.0.0；启用 DataKinds、TypeFamilies、GADTs、TypeApplications、TypeOperators 等扩展；import Torch 与 Torch.Typed；用 zeros、randn、kaimingUniform 初始化，matmul、transpose、broadcast、add 做运算。
适用场景：需要编译期形状保证的 Haskell 深度学习研究、范畴论视角的神经网络建模与教学示例。
限制：资料未提供版本兼容性、平台支持、性能数据、完整 API 文档或实际训练结果；示例为片段，未给出可运行完整工程；价格与收费暂未提供。