当在编译时知道形状（大小）时，rust 编译器可以更好地优化 Array2 吗？

问：

我正在对神经网络中的矩阵使用 or in rust。（是的，我知道有用于 NN 的库。我想用我自己的代码来学习。这个问题独立于神经网络，但神经网络是一个合适的例子，因为在许多情况下，矩阵大小在编译时是已知的。Array2Array1

当编译器在编译时知道矩阵或向量的大小时，它能做更好的优化吗？如何确保它知道他们？Array2Array1

这是我的神经网络层的代码，其中标记了我认为也许我们可以为编译器提供额外信息的地方。还是结构中甚至不需要它？

extern crate ndarray;
use ndarray::prelude::*;
use ndarray_rand::RandomExt;
use rand::distributions::Uniform;

struct LayerWithBias<const input_size: usize, const output_size: usize> {
    /// weights
    w: Array2<f32>, // do something with input_size and output_size here?

    /// biases
    b: Array1<f32>, // and do something with just output_size here?
}

impl<const input_size: usize, const output_size: usize>
LayerWithBias<input_size, output_size> {
    fn new() -> Self {
        let w = Array2::random((output_size, input_size), Uniform::new(-1.0, 1.0));
        let b = Array1::zeros(output_size);

        LayerWithBias { w, b }
    }
}