我有一个简单的问题，我也在搜索已经安静了一下，但是也许我正在使用错误的关键字。
TensorFlow如何处理给定的图形？如果一个简单的图：
x = tf.constant（1.0，name ='input'）
w = tf.constant0.8，name ='strige'）
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给出的，但是张力流是通过不复制记忆等来节省时间等来简化并简化它的吗？因此，它是在cpu或gpu等"设备"上执行计算内核的"凝结"版本？
使其还原为类似的东西：
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，可以进一步了解如何确切地在引擎盖下运行，而不会太深入源代码。
非常感谢您！
TensorFlow包含各种优化，可以简化数据流图。特别是：
-
TensorFlow将应用常见的子表达消除，以避免执行冗余计算。在您的示例中，这不会产生太大的效果，但是TensorFlow会观察到
w和b是相同的常数，并用单个值替换它们。 -
TensorFlow将应用恒定传播，以便在每个执行子图中相同的（计算）值仅计算一次。在您的示例中，整个表达式都是常数，因此TensorFlow将用与结果相对应的单个
tf.constant()值替换它（1.6）。 -
如果您使用实验XLA编译器，则TensorFlow将进行更具侵略性的简化，并且可能能够用单个TensorFlow内核替换子图，其中包含即时编译的代码。如果在您的示例中，
x是tf.placeholder()，则可以将计算的其余部分编译为一个输入和一个输出的单个内核。