數據流圖，有向圖，定義計算結構。一組函數鏈接在一起。每個函數輸出傳遞給級聯鏈上其他函數。利用小數學函數構造數據復雜變換。
節點node，對數據所優質運算操作。邊edge，向節點輸入、輸出的數據。指向節點的邊為輸入，從節點引出的邊為輸出。邊是節點之間的連接，做信息傳輸。輸入可能來自其他數據流圖、文件讀取、用戶輸入。
輸入節點把單個輸入傳遞給大量后繼節點。不依賴其他節點信息的節點，互相獨立。數據流圖輸入抽象，操控內部運算細節，客戶只需了解輸入信息種類。把整個節點序列視為一組輸入輸出的離散構件。級聯運算組可視化更容易，無需關心部件內部具體細節。
造成循環依賴(circular dependency)的節點連接不被允許。節點輸出是后繼節點計算必須輸入，節點是后繼節點的依賴節點。輸出不需要其他節點任何輸入，互相獨立。依賴關系具有傳遞性。依賴分為直接依賴和間接依賴。節點輸出作為直接或間接依賴節點的輸入，因都需要等待對方計算完成，形成循環依賴。設置節點初始值可以讓數據流圖工作起來，但也會陷入無限循環，程序無法終目，依賴節點無窮大無法追蹤依賴信息，數據會導致溢出或使某些計算無意義。通過數據流圖有限次復制，并排放置，原始輸入傳給所有副本，副本輸出與輸入串接，稱為展開(unrolling)。
確保只對必要節點執行運算，維護節點的直接依賴節點列表。空棧開始，最終輸出節點入棧，輸出節點直接依賴節點全部入棧，繼續追溯，直到所有依賴節點全部入棧，對棧中節點排序，保證上運行次序，追蹤已經完成計算的節點，輸出保存在內存，避免重復計算。
TensorFlow工作流，定義數據流圖，運行數據流圖。節點被稱為Operation(Op)。各Op接收零個或多個輸入Tensor對象，輸出零個或多個Tensor對象。調用Python構造方法創建Op。
確保TensorFlow環境處于活動狀態。只有一個終端擁有活動狀態的TensorFlow環境。jupyter notebook啟動jupyter。新建項目，敲入以下代碼：
import tensorflow as tf #導入TensorFlow庫，取別名tf
a = tf.constant(5, name="input_a")#定義節點a，創建常量Op,接收單個張量值5，輸出給連接節點,以 input_a標識。
b = tf.constant(3, name="input_b")#定義節點b，創建常量Op,接收單個張量值3，輸出給連接節點,以input_b標識。
c = tf.multiply(a,b, name="mul_c")#定義節點c，創建乘法Op，接收兩個輸入，輸出乘積,以mul_c標識。
d = tf.add(a,b, name="add_d")#定義節點d，創建加法Op,接收兩個輸入，輸出求和,以add_d標識。
e = tf.add(c,d, name="add_e")#定義節點e，創建加法Op,接收兩個輸入，輸出求和,以add_e標識。
sess = tf.Session()#創建并啟動TensorFlow Session對象。
output = sess.run(e)#Session對象執行節點e，并保存輸出結果
writer = tf.summary.FileWriter('./my_graph', sess.graph)#創建并啟動summary.FileWriter對象，接收兩個參數，一是數據流圖磁盤存放路徑；二是Session對象graph屬性。
writer.close()#關閉summary.FileWriter對象
sess.close()#關閉Session對象
.constant創建常量Op，接收單個張量值，輸出給連接節點，自動將標量值轉換為Tensor對象，name參數標識節點。.multiply創建乘法Op，接收兩個輸入，輸出乘積。.add創建加法Op，接收兩個輸入，輸出求和。.sub創建減法Op。.div創建除法Op。.mod創建取模Op。無需定義邊，TensofFlow自動繪制連接。TensorFlow Session負責運行時數據流圖監督，運行數據流圖。.Session()創建并啟動TensorFlow Session對象。.run方法執行目標節點，運行必要運算，輸出結果。.summary.FileWriter()創建并啟動summary.FileWriter對象，接收兩個參數，一是字符串輸出目錄，數據流圖磁盤存放路徑；二是Session對象graph屬性，引用追蹤數據流圖。summary.FileWriter對象初始化后立即寫入數據。
退出jupyter，tensorboard --logdir="my_graph"啟動TensorBoard服務。在瀏覽器輸入http://0.0.0.0:6006訪問TensorBoard服務器。點擊Graph標簽，即可看到可視化的數據流圖。
參考資料：
《面向機器智能的TensorFlow實踐》
歡迎加我微信交流：qingxingfengzi
我的微信公眾號:qingxingfengzigz
我老婆張幸清的微信公眾號：qingqingfeifangz
