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[email protected]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。

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。

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。

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。

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。

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。

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);
}

点击查看下一篇文章：TensorFlow架构与设计：会话生命周期