Graph

graph被定义为一些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

该图如下，其中每个圆圈表示一个operation，椭圆到椭圆的边为tensor，箭头的指向表示了这张图operation输入输出tensor的传递关系。

图

在TensorFlow运行时，Python构建的“图”并不是启动一个session之后始终不变的，TensorFlow先将Python代码描绘的图转换成protocol buffer，再通过c/c++/cuda运行protocol buffer所定义的图。

graphdef

从Python graph中序列化出来的图为graphdef，是由许多protocol buffer组成的。

node {
  name: "Placeholder"     # 注释：这是一个叫做 "Placeholder" 的node
  op: "Placeholder"
  attr {
    key: "dtype"
    value {
      type: DT_FLOAT
    }
  }
  attr {
    key: "shape"
    value {
      shape {
        unknown_rank: true
      }
    }
  }
}
node {
  name: "Placeholder_1"     # 注释：这是一个叫做 "Placeholder_1" 的node
  op: "Placeholder"
  attr {
    key: "dtype"
    value {
      type: DT_FLOAT
    }
  }
  attr {
    key: "shape"
    value {
      shape {
        unknown_rank: true
      }
    }
  }
}
node {
  name: "mul"                 # 注释：一个 Mul（乘法）操作
  op: "Mul"
  input: "Placeholder"        # 使用上面的node（即Placeholder和Placeholder_1）
  input: "Placeholder_1"      # 作为这个Node的输入
  attr {
    key: "T"
    value {
      type: DT_FLOAT
    }
  }
}

以上三个nodedef定义了两个placeholder和一个木