圖（graph）是TensorFlow用于表達(dá)計(jì)算任務(wù)的一個(gè)核心概念。

Graph

graph被定義為一些operation和tensor的集合。例如，

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
c = tf.placeholder(tf.float32)
d = a*b+c
e = d*2

該圖如下，其中每個(gè)圓圈表示一個(gè)operation，橢圓到橢圓的邊為tensor，箭頭的指向表示了這張圖operation輸入輸出tensor的傳遞關(guān)系。

圖

在TensorFlow運(yùn)行時(shí)，Python構(gòu)建的“圖”并不是啟動(dòng)一個(gè)session之后始終不變的，TensorFlow先將Python代碼描繪的圖轉(zhuǎn)換成protocol buffer，再通過(guò)c/c++/cuda運(yùn)行protocol buffer所定義的圖。

graphdef

從Python graph中序列化出來(lái)的圖為graphdef，是由許多protocol buffer組成的。

node {
  name: "Placeholder"     # 注釋?zhuān)哼@是一個(gè)叫做 "Placeholder" 的node
  op: "Placeholder"
  attr {
    key: "dtype"
    value {
      type: DT_FLOAT
    }
  }
  attr {
    key: "shape"
    value {
      shape {
        unknown_rank: true
      }
    }
  }
}
node {
  name: "Placeholder_1"     # 注釋?zhuān)哼@是一個(gè)叫做 "Placeholder_1" 的node
  op: "Placeholder"
  attr {
    key: "dtype"
    value {
      type: DT_FLOAT
    }
  }
  attr {
    key: "shape"
    value {
      shape {
        unknown_rank: true
      }
    }
  }
}
node {
  name: "mul"                 # 注釋?zhuān)阂粋€(gè) Mul（乘法）操作
  op: "Mul"
  input: "Placeholder"        # 使用上面的node（即Placeholder和Placeholder_1）
  input: "Placeholder_1"      # 作為這個(gè)Node的輸入
  attr {
    key: "T"
    value {
      type: DT_FLOAT
    }
  }
}

以上三個(gè)nodedef定義了兩個(gè)placeholder和一個(gè)木