数据流图，有向图，定义计算结构。一组函数链接在一起。每个函数输出传递给级联链上其他函数。利用小数学函数构造数据复杂变换。

节点node，对数据所优质运算操作。边edge，向节点输入、输出的数据。指向节点的边为输入，从节点引出的边为输出。边是节点之间的连接，做信息传输。输入可能来自其他数据流图、文件读取、用户输入。

输入节点把单个输入传递给大量后继节点。不依赖其他节点信息的节点，互相独立。数据流图输入抽象，操控内部运算细节，客户只需了解输入信息种类。把整个节点序列视为一组输入输出的离散构件。级联运算组可视化更容易，无需关心部件内部具体细节。

造成循环依赖(circular dependency)的节点连接不被允许。节点输出是后继节点计算必须输入，节点是后继节点的依赖节点。输出不需要其他节点任何输入，互相独立。依赖关系具有传递性。依赖分为直接依赖和间接依赖。节点输出作为直接或间接依赖节点的输入，因都需要等待对方计算完成，形成循环依赖。设置节点初始值可以让数据流图工作起来，但也会陷入无限循环，程序无法终目，依赖节点无穷大无法追踪依赖信息，数据会导致溢出或使某些计算无意义。通过数据流图有限次复制，并排放置，原始输入传给所有副本，副本输出与输入串接，称为展开(unrolling)。

确保只对必要节点执行运算，维护节点的直接依赖节点列表。空栈开始，最终输出节点入栈，输出节点直接依赖节点全部入栈，继续追溯，直到所有依赖节点全部入栈，对栈中节点排序，保证上运行次序，追踪已经完成计算的节点，输出保存在内存，避免重复计算。

TensorFlow工作流，定义数据流图，运行数据流图。节点被称为Operation(Op)。各Op接收零个或多个输入Tensor对象，输出零个或多个Tensor对象。调用Python构造方法创建Op。

确保TensorFlow环境处于活动状态。只有一个终端拥有活动状态的TensorFlow环境。jupyter notebook启动jupyter。新建项目，敲入以下代码：

import tensorflow as tf #导入TensorFlow库，取别名tf
a = tf.constant(5, name="input_a")#定义节点a，创建常量Op,接收单个张量值5，输出给连接节点,以             input_a标识。
b = tf.constant(3, name="input_b")#定义节点b，创建常量Op,接收单个张量值3，输出给连接节点,以input_b标识。
c = tf.multiply(a,b, name="mul_c")#定义节点c，创建乘法Op，接收两个输入，输出乘积,以mul_c标识。
d = tf.add(a,b, name="add_d")#定义节点d，创建加法Op,接收两个输入，输出求和,以add_d标识。
e = tf.add(c,d, name="add_e")#定义节点e，创建加法Op,接收两个输入，输出求和,以add_e标识。
sess = tf.Session()#创建并启动TensorFlow Session对象。
output = sess.run(e)#Session对象执行节点e，并保存输出结果
writer = tf.summary.FileWriter('./my_graph', sess.graph)#创建并启动summary.FileWriter对象，接收两个参数，一是数据流图磁盘存放路径；二是Session对象graph属性。
writer.close()#关闭summary.FileWriter对象
sess.close()#关闭Session对象

.constant创建常量Op，接收单个张量值，输出给连接节点，自动将标量值转换为Tensor对象，name参数标识节点。.multiply创建乘法Op，接收两个输入，输出乘积。.add创建加法Op，接收两个输入，输出求和。.sub创建减法Op。.div创建除法Op。.mod创建取模Op。无需定义边，TensofFlow自动绘制连接。TensorFlow Session负责运行时数据流图监督，运行数据流图。.Session()创建并启动TensorFlow Session对象。.run方法执行目标节点，运行必要运算，输出结果。.summary.FileWriter()创建并启动summary.FileWriter对象，接收两个参数，一是字符串输出目录，数据流图磁盘存放路径；二是Session对象graph属性，引用追踪数据流图。summary.FileWriter对象初始化后立即写入数据。

退出jupyter，tensorboard --logdir="my_graph"启动TensorBoard服务。在浏览器输入http://0.0.0.0:6006访问TensorBoard服务器。点击Graph标签，即可看到可视化的数据流图。

参考资料： 《面向机器智能的TensorFlow实践》

欢迎加我微信交流：qingxingfengzi

我的微信公众号:qingxingfengzigz

我老婆张幸清的微信公众号：qingqingfeifangz