一. TensorFlow 源碼
截止到目前爲止，TensorFlow 在 【Github】 的 Contributors 已經接近900人，Fork 30000次。
學習這麼龐大的開源項目，首先必須要搞清楚其代碼組織形式，我們先來看目錄結構：
Project 目錄分爲4個：
1）tensorflow
核心代碼目錄，圖中可以看到其子目錄結構，後面我們會展開講解。
2）third_party
第三方庫，包括：eigen3，fft2d，hadoop，mkl，probuf 等。
3）tools
只有兩個文件 bazel.rc 和 tf_env_collect.sh。
4）util/python
存放用到的 python 工具。
另外一個比較重要的文件是 configure，用於配置 tensorflow 的安裝環境。
對於 tensorflow 核心目錄，裏面比較關鍵的幾個模塊：
1.1）core
這是 tensorflow 的核心代碼模塊.
1.2）tensorboard
不用解釋，應該都清楚，這是可視化工具 tensorboard 的代碼目錄。
1.3）stream_executor
tensorflow 流圖的並行計算執行，核心代碼。
1.4）go，java，python
主要的第三方 API。
1.5）contrib
存放有其他項目貢獻者添加的相關貢獻代碼，非核心官方代碼，有具體方向的應用可以參考這裏面的模塊。
二. 核心代碼目錄 Core
Core 目錄是代碼最核心的部分，包含 框架、圖、會話、runtime 最核心的部分，主要模塊包括：
● common_runtime：公共運行庫，包含 會話（session）、線程（thread），內存管理（memory）, 設備調度（device）等基本運行庫。
● distributed_runtime：分佈式運行庫，與上面類似，作爲分佈式情況下的運行庫，提供運行支撐。
● framework：框架基礎模塊定義，主要是通用組件的結構格式定義；
● graph：計算流圖相關基礎操作（類結構），包括 拆分、合併、執行 等操作，被外面的 executor 調用；
● kernels：核心操作定義，像常用的運算 matmul，sigmoid 等操作；
● lib：基礎庫用於內部調用，包括 hash、io、jpeg、math 等；
● ops：對 kernel 下的op進行註冊和對外聲明；
● protobuf：Google 的傳輸交換模塊，用於傳輸時的數據序列化；
三. Graph 與 Session
關於 Graph 和 Session 前面已經有篇幅講過，概念上可能大家並沒有完全理解，本篇再講一下。
● Graph
首先搞清一個概念，Graph 是 Tensorflow 必須要存在的，是靈魂核心，你所看到的任何一個 圖都是通過 Graph來組織的。
再來看一段你已經很熟悉的代碼：
>>> import tensorflow as tf
>>> str = tf.constant("Hello World!")
>>> se = tf.Session()
>>> print se.run(str)沒看到 Graph 的創建對不對？ 實際上在你創建 Session 的時候，系統自動爲你創建了一個 默認Graph，用於接下來所有 OP 的組織和存放。
某些情況下，你可以同時維護兩個以上的 Graph，比如我們經常會遇到這樣一句， tf.Graph.as_default()
curr_graph = tf.Graph()
with curr_graph.as_default():
c_val = tf.constant(1.0)
assert c_val.graph is curr_graph● Session
TensorFlow 的 Session 用法你可能比較熟了，來回顧一下：
# method 1
sess = tf.Session()
print sess.run(…)
sess.close()
# method 2
with tf.Session() as sess:
print sess.run(…)
# method 3 - 僅用於交互式環境
sess = tf.InteractiveSession()
a = tf.constant(1.0)
b = tf.constant(2.0)
c = a + b
# 我們直接使用'c.eval()' 而不是'sess.run'
print(c.eval())
sess.close()
對於 Graph 和 Session 的關係，需要記住，Graph 可以在對應多個 Session 中執行。
