Tensorflow源码解读

第一部分 Tensorflow c lib的编译

Tensorflow的下载和编译

本篇介绍编译的过程及注意事项。

第二部分 Tensorflow Eclipse环境的搭建

由于我们是要研究tensorflow的实现，所以用一个简单的c程序来调用tensorflow c library来用gdb调试。
正常的使用python写程序，然后由python调用so文件，但那样没办法调试到tensorflow内部。

TensorFlow工程创建及设置
基于tensorflow c lib调试的主程序

第三部分 Tensorflow 源码调试

本部分介绍Tensorflow的实现机制。

• 启动后，ops和op kernels的定义由静态变量声明

• 然后根据用户程序生成计算图，查找ops的声明调用ops的factory函数注册ops并付给图中的node

• 对生成的图进行优化剪裁

• 创建executor，把root node喂给executor开始计算图的执行，完成后返回给主线程结束程序

TensorFlow op和op kernel的注册	TensorFlow so文件加载时完成TensorFlow op和op kernel的注册。另一篇TF Operation的注册
TensorFlow图的构建	本文就来分析tensorflow图的构建，以及运行图的设备和线程池的创建。TensorFlow使用数据流图将计算表示为独立的指令之间的依赖关系，数据流是一种用于并行计算的常用编程模型。在数据流图中，节点表示计算单元，边缘表示计算使用或产生的数据。
TensorFlow Session的创建	本文介绍TensorFlow Session的创建。TensorFlow使用Session 类来表示客户端程序（通常用Python 程序，但也提供了其他语言的类似接口，这儿就是用C接口）与 C++ 运行时之间的连接。Session 对象使我们能够访问本地机器中的设备和使用分布式 TensorFlow 运行时的远程设备。它还可缓存关于Graph 的信息，使您能够多次高效地运行同一计算。Session接受Graph参数和Options选项参数，Options参数可以指定使用的设备等信息。
TensorFlow Session的Setup
TensorFlow Executor的创建
tf-operation的创建
TensorFlow计算图的创建
TensorFlow计算图的优化
TF 计算图的执行
Tensorflow C API实现卷积计算
Tensorflow 算法优化器验证
Tensorflow 函数式编程的测试

第四部分 Tensorflow常用实例

本部分介绍Tensorflow一些常用的实例。

Tensorflow Embedding原理
Tensorflow Pooling池化原理
Tensorflow 文本分类实例
Tensorflow Conv2D和MaxPool2D原理
Tensorflow 图像CNN分类解析
Tensorflow LSTM原理

第五部分 基于Tensorflow的生成对抗实例

本部分介绍基于Tensorflow的GAN。

GAN生成对抗网络的Keras实现
CGAN与GAN的区别
ACGAN与CGAN的区别
WGAN与DCGAN的区别
WGAN-GP与WGAN的区别
CycleGAN模型原理