開源書籍
關于TensorFlow的內核詳細原理與運行機制，請查閱我的開源技術書籍：TensorFlow內核剖析。
TensorFlow是什么？
TensorFlow基于數據流圖，用于大規模分布式數值計算的開源框架。節點表示某種抽象的計算，邊表示節點之間相互聯系的張量。
TensorFlow支持各種異構的平臺，支持多CPU/GPU，服務器，移動設備，具有良好的跨平臺的特性；TensorFlow架構靈活，能夠支持各種網絡模型，具有良好的通用性；此外，TensorFlow架構具有良好的可擴展性，對OP的擴展支持，Kernel特化方面表現出眾。
TensorFlow最初由Google大腦的研究員和工程師開發出來，用于機器學習和神經網絡方面的研究，于2015.10宣布開源，在眾多深度學習框架中脫穎而出，在Github上獲得了最多的Star量。
本文將闡述TensorFlow的系統架構，幫助讀者加深理解TensorFlow的工作機理。
本文假設讀者已經了解
TensorFlow的基本編程模型，包括計算圖,OP,Tensor,Session等基本概念。
系統概述
TensorFlow的系統結構以C API為界，將整個系統分為「前端」和「后端」兩個子系統：
- 前端系統：提供編程模型，負責構造計算圖；
- 后端系統：提供運行時環境，負責執行計算圖。
如上圖所示，重點關注系統中如下4個基本組件，它們是系統分布式運行機制的核心。
Client
Client是前端系統的主要組成部分，它是一個支持多語言的編程環境。它提供基于計算圖的編程模型，方便用戶構造各種復雜的計算圖，實現各種形式的模型設計。
Client通過Session為橋梁，連接TensorFlow后端的「運行時」，并啟動計算圖的執行過程。
Distributed Master
在分布式的運行時環境中，Distributed Master根據Session.run的Fetching參數，從計算圖中反向遍歷，找到所依賴的「最小子圖」。
然后，Distributed Master負責將該「子圖」再次分裂為多個「子圖片段」，以便在不同的進程和設備上運行這些「子圖片段」。
最后，Distributed Master將這些「子圖片段」派發給Work Service；隨后Work Service啟動「子圖片段」的執行過程。
Worker Service
對于每以個任務，TensorFlow都將啟動一個Worker Service。Worker Service將按照計算圖中節點之間的依賴關系，根據當前的可用的硬件環境(GPU/CPU)，調用OP的Kernel實現完成OP的運算(一種典型的多態實現技術)。
另外，Worker Service還要負責將OP運算的結果發送到其他的Work Service；或者接受來自其他Worker Service發送給它的OP運算的結果。
Kernel Implements
Kernel是OP在某種硬件設備的特定實現，它負責執行OP的運算。
組件交互
如上圖所示，假設存在兩個任務：
-
/job:ps/task:0: 負責模型參數的存儲和更新 -
/job:worker/task:0: 負責模型的訓練或推理
接下來，我們將進一步抽絲剝繭，逐漸挖掘出TensorFlow計算圖的運行機制。
客戶端
Client基于TensorFlow的編程接口，構造計算圖。目前，TensorFlow主流支持Python和C++的編程接口，并對其他編程語言接口的支持日益完善。
此時，TensorFlow并未執行任何計算。直至建立Session會話，并以Session為橋梁，建立Client與后端運行時的通道，將Protobuf格式的GraphDef發送至Distributed Master。
也就是說，當Client對OP結果進行求值時，將觸發Distributed Master的計算圖的執行過程。
如下圖所示，Client構建了一個簡單計算圖。它首先將w與x進行矩陣相乘，再與截距b按位相加，最后更新至s。
Distributed Master
在分布式的運行時環境中，Distributed Master根據Session.run的Fetching參數，從計算圖中反向遍歷，找到所依賴的最小子圖。
然后Distributed Master負責將該子圖再次分裂為多個「子圖片段」，以便在不同的進程和設備上運行這些「子圖片段」。
最后，Distributed Master將這些圖片段派發給Work Service。隨后Work Service啟動「本地子圖」的執行過程。
Distributed Master將會緩存「子圖片段」，以便后續執行過程重復使用這些「子圖片段」，避免重復計算。
如上圖所示，Distributed Master開始執行計算子圖。在執行之前，Distributed Master會實施一系列優化技術，例如「公共表達式消除」，「常量折疊」等。隨后，Distributed Master負責任務集的協同，執行優化后的計算子圖。
子圖片段
如上圖所示，存在一種合理的「子圖片段」劃分算法。Distributed Master將模型參數相關的OP進行分組，并放置在PS任務上。其他OP則劃分為另外一組，放置在Worker任務上執行。
SEND/RECV節點
如上圖所示，如果計算圖的邊被任務節點分割，Distributed Master將負責將該邊進行分裂，在兩個分布式任務之間插入SEND和RECV節點，實現數據的傳遞。
隨后，Distributed Master將「子圖片段」派發給相應的任務中執行，在Worker Service成為「本地子圖」，它負責執行該子圖的上的OP。
Worker Service
對于每個任務，都將存在相應的Worker Service，它主要負責如下3個方面的職責：
- 處理來自
Master的請求； - 調度
OP的Kernel實現，執行本地子圖； - 協同任務之間的數據通信。
Worker Service派發OP到本地設備，執行Kernel的特定實現。它將盡最大可能地利用多CPU/GPU的處理能力，并發地執行Kernel實現。
另外，TensorFlow根據設備類型，對于設備間的SEND/RECV節點進行特化實現：
- 使用
cudaMemcpyAsync的API實現本地CPU與GPU設備的數據傳輸； - 對于本地的
GPU之間則使用端到端的DMA，避免了跨host CPU昂貴的拷貝過程。
對于任務之間的數據傳遞，TensorFlow支持多協議，主要包括：
- gRPC over TCP
- RDMA over Converged Ethernet
Kernel Implements
TensorFlow的運行時包含200多個標準的OP，包括數值計算，多維數組操作，控制流，狀態管理等。每一個OP根據設備類型都會存在一個優化了的Kernel實現。在運行時，運行時根據本地設備的類型，為OP選擇特定的Kernel實現，完成該OP的計算。
其中，大多數Kernel基于Eigen::Tensor實現。Eigen::Tensor是一個使用C++模板技術，為多核CPU/GPU生成高效的并發代碼。但是，TensorFlow也可以靈活地直接使用cuDNN實現更高效的Kernel。
此外，TensorFlow實現了矢量化技術，使得在移動設備，及其滿足高吞吐量，以數據為中心的應用需求，實現更高效的推理。
如果對于復合OP的子計算過程很難表示，或執行效率低下，TensorFlow甚至支持更高效的Kernle實現的注冊，其擴展性表現相當優越。
技術棧
最后，按照TensorFlow的軟件層次，通過一張表格羅列TensorFlow的技術棧，以便更清晰地對上述內容做一個簡單回顧。
開源技術書
https://github.com/horance-liu/tensorflow-internals
