TensorFlow架构与设计：图模块

作者：刘光聪 ，中兴通讯高级系统架构师，专注机器学习算法，分布式系统架构与优化。
原文：TensorFlow架构与设计：图模块
责编：王艺 CSDN AI记者，投稿、寻求报道、深入交流请邮件wangyi@csdn.net或扫描文末二维码添加微信。

相关文章：
图解TensorFlow架构与设计

计算图是TensorFlow领域模型的核心。本文通过对计算图领域模型的梳理，讲述计算图构造的基本原理。

---

边

---

Edge持有前驱节点与后驱节点，从而实现了计算图的连接，也是计算图前向遍历，后向遍历的衔接点。

边上的数据以Tensor的形式传递，Tensor的标识由源节点的名称，及其所在边的src_output唯一确定。也就是说，tensor_id = op_name:src_output

src_output与dst_input

Edge持有两个重要的属性：

• src_output：表示该边为前驱节点的第src_output条输出边；
• dst_input：表示该边为后驱节点的第dst_input条输入边。

边

例如，存在两个前驱节点s1, s2，都存在两条输出边；存在两个后驱节点d1, d2，都存在两条输入边。

边索引

控制依赖

计算图中存在两类边，

• 普通边：用于承载Tensor，常用实线表示；
• 控制依赖：控制节点的执行顺序，常用虚线表示。

特殊地，控制依赖边，其src_output, dst_input都为-1(Graph::kControlSlot)，暗喻控制依赖边不承载任何数据，仅仅表示计算的依赖关系。

bool Edge::IsControlEdge() const<