『TensorFlow Internals』筆記_源碼結構

零、資料集合

• 知乎專欄：Bob學步
• 知乎提問：如何高效的學習 TensorFlow 代碼?.
• 大佬劉光聰（Github，簡書）
• 開源書：TensorFlow Internals，強烈推薦（本博客參考書）
• TensorFlow架構與設計：編程模型
• TensorFlow架構與設計：概述
• TensorFlow架構與設計：會話生命週期
• TensorFlow架構與設計：圖模塊
• TensorFlow架構與設計：OP本質論
• TensorFlow架構與設計：變量初始化
• 大佬姚健（Github）
• 系列文章（圖片？）：圖解tensorflow源碼
• 『深度長文』Tensorflow代碼解析（一）
• 『深度長文』Tensorflow代碼解析（二）
• 『深度長文』Tensorflow代碼解析（三）：Op/Kernel相關
• 『深度長文』Tensorflow代碼解析（四）：Graph相關
• 『深度長文』Tensorflow代碼解析（五）：Session相關
• TensorFlow Kernels Registration 源碼解析：TensorFlow的介紹寫在paddle的wiki裏。
• 網上某大佬博客（強烈推薦）
• TensorFlow 拆包（一）：Session.Run()
• TensorFlow 拆包（二）：TF 的數據流模型實現以及自動求導
• TensorFlow 拆包（三）：Graph 和 Node
• TensorFlow 拆包（四）：Device
• TensorFlow 拆包（五）：Distributed
• TensorFlow 拆包（六）：RDMA
• TensorFlow 拆包（七）：Profiling 踩坑 & Benchmark
• TensorFlow 拆包（八）：Dynamic Control Flow in Large-Scale Machine Learning
• 知乎某大佬專欄
• Tensorflow是如何註冊和調用C++ New Op的：側重源碼
• 使用Tensorflow C++ API自定義操做：側重流程
• 其餘
• 知乎文章：TensorFlow 的 c ++ 實踐及各類坑！

另附：

Ubuntu下編譯源碼指南

1、代碼獲取

克隆源碼：

git clone https://github.com/tensorflow/tensorflow.git

切換到r1.4穩定分支：

cd tensorflow

git check r1.4

2、源碼結構

tree -d -L 1 ./tensorflow

 

目錄	說明
/c	C++ API，也是一些 Python API 與 C 層的接口部分
/cc
/compiler	即時編譯的工具內容
/contrib	一些額外的庫，大部分由第三方添加，其中一些正式肯定的內容會移出去
/core	TensorFlow 的核心運行時代碼
/core/distributed_runtime	分佈式運行時代碼
/core/framework	運行時中相對最底層的架構部分，涉及到不少基礎結構的定義、與 Protobuf 的結合部分等等
/core/graph	運行時中對計算圖的定義和處理
/core/kernels	計算圖中 Op 的核心計算部分（即 Op 的 Kernel 函數）
/core/lib	運行時中調用的其餘庫的接口？
/core/ops	C 部分的 Op 分紅兩個部分，核心計算函數在前面的 /kernels 目錄中，這裏存的是 Op 面向上層 Python 運行時的註冊部份內容。 詳見 TensorFlow 拆包（三）：Graph 和 Node
/core/platform	針對不一樣平臺的額外內容
/core/profiler	運行時的調優工具？
/core/protobuf	Protobuf 的定義
/core/util	其餘的一些工具
/python	TensorFlow Python 部分的運行時和 API

重點文件夾以下：

core

內核的源碼，C++實現。

python

接口API，python實現。

contrib

第三方庫，實驗性，當 contrib 標準化,並從 中,並正式對外發布。

stream_executor

提速組件，並行化、分佈式相關。

compiler

優化計算圖，主要優化OP的分解組合方式，找到儘量好的圖構建方式，可以分析運行時的計算圖,將多個 OP 融
合在一塊兒,並生成更高效的本地機器代碼,提高計算圖的執行效率。

3、邏輯構架圖