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

计算图是由节点组成的网络，每个节点代表一个操作，该操作将函数应用于输入张量，并返回零个或多个张量作为输出。TensorFlow 构建此计算图并据此计算梯度。接下来，我们将分别介绍使用 TensorFlow v1.x 和 v2 风格创建计算图的示例。

2. TensorFlow v1.x 创建图

在 TensorFlow v1.x 的低级 API 中，图必须显式声明。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。

下面是一个简单的示例，用于计算 $z = 2 \times (a - b) + c$：

## 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

with tf.compat.v1.Session(graph=g) as sess:
    print('Result: z =', sess.run(z))

在 Ten