TensorFlow源碼框架 雜記

一.爲何咱們須要使用線程池技術(ThreadPool)

　　線程：採用「即時建立，即時銷燬」策略，即接受請求後，建立一個新的線程，執行任務，完畢後，線程退出；

　　線程池：應用軟件啓動後，當即建立必定數量的線程，放入空閒隊列；

　　優缺點分析：使用線程處理多請求，低任務量問題時，不斷建立、銷燬線程，開銷巨大；使用線程池可以減小建立銷燬的開銷；

 

二.C++11中使用unordered_map代替hash_map,另外增長了unique_ptr智能指針；(override GUARDED_BY等）

 

三.SWIG是一個很是優秀的開源工具，支持將C/C++代碼與任何主流腳本語言相集成（包括Ruby，Perl、Tcl和Python）

 

四.閱讀tensorflow源碼

　　1. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/common_runtime/direct_session.cc

　　2. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/common_runtime/executor.cc 

　　

　　代碼註釋寫的十分詳細，主要閱讀部分.h文件。

 

　　代碼框架:

　　

 　  core/ contains the main C++ code and runtimes.

　　core/ops/ contains the "signatures" of the operations
　　core/kernels/ contains the "implementations" of the operations (including CPU and CUDA kernels)
　　core/framework/ contains the main abstract graph computation and other useful libraries
　　core/platform/ contains code that abstracts away the platform and other imported libraries (protobuf, etc)

　　TensorFlow relies heavily on the Eigen library for both CPU and GPU calculations.  Though some GPU kernels are implemented directly with CUDA code.

　　bazel builds certain C++ code using gcc/clang, and certain CUDA code (files with extension . cu.cc) with nvcc.

　　python/ops/ contain the core python interface
　　python/kernel_tests/ contain the unit tests and lots of example code
　　python/framework/ contains the python abstractions of graph, etc, a lot of which get serialized down to proto and/or get passed to swigged session calls.
　　python/platform/ is similar to the C++ platform, adding lightweight wrappers for python I/O, unit testing, etc.

　　contrib/*/ directories generally mimic the root tensorflow path (i.e., they have core/ops/, etc) 

 

五. 有意思的DeepLearning項目網址： http://deeplearninggallery.com/

 

參考文獻：

　　1. https://github.com/tensorflow/tensorflow

　　2. https://groups.google.com/a/tensorflow.org/forum/#!topic/discuss/39guS9VV0Yg