Tensorflow源码解析4 -- 图的节点 - Operation

在Tensorflow中，图的节点被称为Operation（操作）。Operation是Tensorflow的基本执行单元，每个Operation都代表一个计算任务。在Tensorflow中，我们可以定义一个计算图，而计算图中的每个节点都是一个Operation。

Operation通常包含以下内容：

1. Operation的类型（例如，加法、乘法、卷积等）。

2. Operation的输入张量（也称为“输入节点”）。

3. Operation的输出张量（也称为“输出节点”）。

4. Operation的属性（例如，卷积的卷积核大小和数量）。

在Tensorflow中，我们可以使用tf.Operation类来创建Operation。下面是一个简单的例子，演示如何在Tensorflow中创建一个Operation：

import tensorflow as tf

# 创建一个常量Operation，输出为一个标量值
a = tf.constant(2.0)

# 创建另一个常量Operation，输出为一个标量值
b = tf.constant(3.0)

# 创建一个加法Operation，输入为a和b，输出为a+b
c = tf.add(a, b)

# 创建一个Session，并运行c
with tf.Session() as sess:
    print(sess.run(c))

在上面的例子中，我们创建了两个常量Operation（a和b），并使用tf.add()函数创建了一个加法Operation（c）。最后，我们创建了一个Session，并使用sess.run()函数执行了c。

需要注意的是，Operation只有在Session中运行才会被执行。因此，在创建Operation时，我们只是定义了计算任务，而不是执行它们。

此外，Tensorflow还提供了一些方便的函数来创建各种Operation。例如，tf.matmul()函数可以用来创建矩阵乘法Operation。更多关于Operation的详细信息可以参考Tensorflow的官方文档。