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 {
return src_output_ == Graph::kControlSlot;
}
节点
Node(节点)持有零条或多条输入/输出的边，分别使用in_edges, out_edges表示。另外，Node持有NodeDef, OpDef。其中，NodeDef持有设备分配信息，及其OP的属性值集合；OpDef持有OP的元数据。
节点
输入边
在输入边的集合中按照索引线性查找，当节点输入的边比较多时，可能会成为性能的瓶颈。依次类推，按照索引查找输出边，算法相同。
Status Node::input_edge(int idx, const Edge** e) const {
for (auto edge : in_edges()) {
if (edge->dst_input() == idx) {
*e = edge;
return Status::OK();
}
}
return errors::NotFound("not found input edge ", idx);
}
前驱节点
首先通过idx索引找到输入边，然后通过输入边找到前驱节点。依次类推，按照索引查找后驱节点，算法相同。
Status Node::input_node(int idx, const Node** n) const {
const Edge* e;
TF_RETURN_IF_ERROR(input_edge(idx, &e));
if (e == nullptr) {
*n = nullptr;
} else {
*n = e->src();
}
return Status::OK();
}
图
Graph(计算图)就是节点与边的集合，领域模型何其简单。计算图是一个DAG图，计算图的执行过程将按照DAG的拓扑排序，依次启动OP的运算。其中，如果存在多个入度为0的节点，TensorFlow运行时可以实现并发，同时执行多个OP的运算，提高执行效率。
图
空图
计算图的初始状态，并非是一个空图。实现添加了两个特殊的节点：Source与Sink节点，分别表示DAG图的起始节点与终止节点。其中，Source的id为0，Sink的id为1；依次论断，普通OP节点的id将大于1。
另外，Source与Sink之间，通过连接「控制依赖」的边，保证计算图的执行始于Source节点，终于Sink节点。它们之前连接的控制依赖边，其src_output, dst_input值都为-1。
习惯上，仅包含Source与Sink节点的计算图也常常称为空图。
空图
Node* Graph::AddEndpoint(const char* name, int id) {
NodeDef def;
def.set_name(name);
def.set_op("NoOp");
Status status;
Node* node = AddNode(def, &status);
TF_CHECK_OK(status);
CHECK_EQ(node->id(), node_id);
return node;
}
Graph::Graph(const OpRegistryInterface* ops)
: ops_(ops), arena_(8 << 10 /* 8kB */) {
auto src = AddEndpoint("_SOURCE", kSourceId);
auto sink = AddEndpoint("_SINK", kSinkId);
AddControlEdge(src, sink);
}
非空图
在前端，用户使用OP构造器，将构造任意复杂度的计算图。对于运行时，无非就是将用户构造的计算图通过控制依赖的边与Source/Sink节点连接，保证计算图执行始于Source节点，终于Sink节点。
非空图
添加边
计算图的构造过程非常简单，首先通过Graph::AddNode在图中放置节点，然后再通过Graph::AddEdge在图中放置边，实现节点之间的连接。
const Edge* Graph::AllocEdge() const {
Edge* e = nullptr;
if (free_edges_.empty()) {
e = new (arena_.Alloc(sizeof(Edge))) Edge;
} else {
e = free_edges_.back();
free_edges_.pop_back();
}
e->id_ = edges_.size();
return e;
}
const Edge* Graph::AddEdge(Node* source, int x, Node* dest, int y) {
auto e = AllocEdge();
e->src_ = source;
e->dst_ = dest;
e->src_output_ = x;
e->dst_input_ = y;
CHECK(source->out_edges_.insert(e).second);
CHECK(dest->in_edges_.insert(e).second);
edges_.push_back(e);
edge_set_.insert(e);
return e;
}
添加控制依赖边，则可以转发调用Graph::AddEdge实现。
const Edge* Graph::AddControlEdge(Node* src, Node* dst) {
return AddEdge(src, kControlSlot, dst, kControlSlot);
}
开源技术书
https://github.com/horance-liu/tensorflow-internals
