我有一个简单的问题，我也在搜索已经安静了一点，但也许我使用了错误的关键字 .
Tensorflow如何处理给定的图形？如果有一个简单的图形：
x = tf.constant（1.0，name ='input'）w = tf.constant0.8，name ='weight'）b = tf.constant0.8，name ='bias'）y_1 = tf.mul（w ，x，name ='output_1'）y_2 = tf.add（y_1，b，name ='output_1'）
算术语句当然是由计算图表给出的，但Tensorflow是否通过不复制存储器等方式来节省时间进行编译和简化？那么计算内核的“精简”版本是在CPU或GPU等'设备'上执行的？
所以它减少到这样的东西：
y_2 = tf.add（tf.mul（w，x），b，name ='output_1'）
也许有人知道一个很好的资源，可以更多地了解Tensorflow是如何在引擎盖下运行的，而不必深入了解源代码 .
非常感谢你提前！
1 回答
TensorFlow包括各种优化，可以简化数据流图 . 特别是：
TensorFlow将应用common subexpression elimination以避免执行冗余计算 . 在您的示例中，这不会产生太大影响，但TensorFlow将观察到
w和b是相同的常量，并用单个值替换它们 .TensorFlow将应用constant propagation，以便在每次执行子图时相同的（计算）值只计算一次 . 在您的示例中，整个表达式是常量，因此TensorFlow将使用与结果（
1.6）对应的单个tf.constant()值替换它 .如果使用实验性的XLA compiler，TensorFlow将进行更积极的简化，并且可以用包含即时编译代码的单个TensorFlow内核替换子图 . 如果在您的示例中
x是tf.placeholder()，则计算的其余部分可以编译为具有一个输入和一个输出的单个内核 .