數(shù)據(jù)流

數(shù)據(jù)流是一種用于并行計算的常用編程模型。數(shù)據(jù)流圖中，節(jié)點（Node）表示計算單元（OP），邊（Edge）表示計算使用或產(chǎn)生的數(shù)據(jù)（Tensor）。
數(shù)據(jù)流為TensorFlow提供多項優(yōu)勢：

• 并行處理：使用明確的Edge來表示Node之間的依賴關(guān)系，系統(tǒng)可以識別能夠并行執(zhí)行的操作。
• 分布式執(zhí)行：使用明確的邊緣表示操作之間流動的值，TensorFlow可以將程序劃分到連接至不同機器的多臺設(shè)備上（CPU/GPU/TPU）,TensorFlow在這些設(shè)備間進行必要的通信和協(xié)調(diào)。
• 編譯：XLA編譯器生成更快的代碼。
• 可移植性：不依賴語言。比如可以使用Python構(gòu)建數(shù)據(jù)流圖，將其存儲在SaveModel中，然后使用C++程序進行恢復。

tf.Graph

tf.Graph包含兩類信息：

• 圖結(jié)構(gòu)：圖的節(jié)點和邊
• 圖集合：TensorFlow提供的一種在tf.Graph中存儲元數(shù)據(jù)集合的通用機制。例如，當你創(chuàng)建tf.Variable時，系統(tǒng)默認將其添加到表示“全局變量”和“可訓練變量”的集合中，當你后續(xù)創(chuàng)建tf.train.Saver或tf.train.Optimizer時，這些集合中的變量將用作默認參數(shù)。
  ....待補充...