前言：
一般來說，如果安裝tensorflow主要目的是為了調試些小程序的話，只要下載相應的包，然后，直接使用pip install tensorflow即可。
但有時我們需要將Tensorflow的功能移植到其它平台，這時就無法直接安裝了。需要我們下載相應的Tensorflow源碼，自已動手編譯了。
正文：
Tensorflow功能代碼龐大，結構復雜；如何快速了解源碼結構，就顯示尤為重要了。
Tensorflow主體結構：
整個框架以C API為界，分為前端和后端兩大部分。
前端：提供編譯模型，多語言接口支持，如：python,java,c++等。
后端：提供運行環境，完成計算圖執行，大致可分為4層：
運行層：分布式運行時和本地運行時，負責計算圖的接收，構造，編排等；
計算層：提供各算子的內核實現，例如： conv2d，relu等；
通信層：實現組件間數據通信，基於GRPC，RDMA兩種通信方式；
設備層：提供多種異構設備支持，如：CPU，GPU，TPU，FPGA等；
模型構造和執行流程：
Tensorflow圖的構造與執行是分開的，用戶添加完算子，構建好圖后，才開始進行訓練和執行。
流程如下：
１、圖構建：用戶在Client中基於Tensorflow的多語言編程接口，添加算子，完成計算圖的構造；
2、 圖傳遞：Client開啟Session，通過它建立和Master之間的連接，執行Session.run()時，將構造好的graph序列化為graphdef后，以protobuf格式傳遞給master。
3、圖剪枝：master 根據session.run()傳遞的fetches和feeds列表，反向遍歷全圖full graph，實施剪枝，得到最小依賴子圖；
4、圖分裂：master將最小子圖分裂為多個graph partition,並注冊到多個worker上，一個worker對應一個graph partition；
5、圖二次分裂：worker根據當前可用硬件資源，如CPU，GPU，將graph partition按照op算子設備約束規范（ 例如：tf.device('/cpu:0')），二次分裂到不同設備上。每個計算設備對應一個 graph partition.
6、圖運行：對於每一個計算設備，worker依照op在kernel中的實現，完成op的運算。設備間數據通信可以使用send/recv節點，而worker間通信，則使用GRPC或RDMA協議。
前端多語言實現：Swig包裝器
Tensorflow提供了多種語言的前端接口，使得用戶可以通過多種語言來完成模型的訓練和推斷。如何實現要歸功於swig包裝器。
swig是一個幫助C或C++編寫的軟件能與其它各種高級編程語言進行嵌入聯接的開發工具，在Tensorflow使用bazel編譯時，swig會生成兩個wrapper文件：
1、pywrap_tensorflow_internal.py :對接上層Python調用
2、pywrap_tensorflow_internal.cc :對接底層C API調用
pywrap_tensorflow_internal.py模塊被導入時，會加載_pywrap_tensorflow_internal.so動態鏈接庫，里面包含所有運行時接口符號。而在pywrap_tensorflow_internal.cc中，注冊了一個函數符號表，實現python接口和C接口的映射。運行時，可以通過映射表，找到python接口在C層的實現。
Tensorflow源碼結構
Tensorflow源碼基本按照框架分層來組織文件，如下圖：
其中目錄core是tensorflow的核心，源碼結構如下：
Session：
Session是連接前后端的橋梁，用戶可利用session使得client能夠與master的執行引擎建立連接，通過session.run()來觸發一次計算。
Session創建時，系統會分配一些資源，如graph引用，連接的計算引擎名稱等，所以，計算完畢后，需要使用session.close()關閉session,避免引起內存泄漏，特別是graph無法釋放問題。可以顯式調用Session.close(),使用with上下文管理器，或使用InteractiveSession()
session之間采用共享graph方式來提高 運行效率。一個session只能運行一個graph實例，但一個graph可以運行在多個session中。在session創建時，不會重新創建graph實例，而是默認graph引用計算加1.當session close時，引用計數減1.只有引用計數為0時，graph才會被回收。
在后端master中，根據前端client調用tf.session(target='',graph=none,config=none）時指定的target，來創建不同的session.target為要連接的tf后端執行引擎，默認為空字符串。Session創建了抽象工廠模式，如果為空字符串，則創建本地DirectSession，如果以grpc：//開頭，則創建分布式grpcSession。
DirectSession只能利用本地設備，將任務創建在本地的CPU和GPU上。而grpcSession可利用遠端分布式設備，將任務創建在其他機器的CPU，GPU上，然后通過grpc協議通信。
Session生命周期，大致有4個階段：
1、創建：通過tf.session()創建，進行系統資源分配，特別是graph引用計數加1；
2、運行：通過session.run()觸發計算的執行，client會將整圖graph傳遞給master,由master進行執行；
3、關閉：通過session.close()關閉，進行系統資源的回收，graph引用計數減1；
4、銷毀：Python垃圾回收器進行GC時，調用 session.__del__()回收。
基本都在python的basesession中，通過swig自動生成的函數符號映射關系，調用C層的實現。
未完待續。。。