37、深入探索：TensorFlow的运行机制

深入探索：TensorFlow的运行机制

1. 计算图基础

计算图本质上是一个节点网络。每个节点代表一个操作，它将一个函数应用于输入张量，并返回零个或多个张量作为输出。TensorFlow构建这个计算图，并据此计算梯度。下面我们将分别探讨使用TensorFlow v1.x和v2风格创建计算图的示例。

2. TensorFlow v1.x创建计算图

在TensorFlow v1.x的低级API中，计算图需要显式声明。构建、编译和评估计算图的步骤如下：
1. 实例化一个新的空计算图。
2. 向计算图中添加节点（张量和操作）。
3. 评估（执行）图：
- 启动一个新会话。
- 初始化图中的变量。
- 在该会话中运行计算图。

以下是一个简单示例，用于创建计算图以计算 $z = 2 × (a - b) + c$：

## TF v1.x style
import tensorflow as tf

g = tf.Graph()
with g.as_default():
    a = tf.constant(1, name='a')
    b = tf.constant(2, name='b')
    c = tf.constant(3, name='c')
    z = 2*(a - b) + c

在上述代码中，我们首先通过 g = tf.Graph() 定义了图 g ，然后使用 with g.as_default() <