（1）将图的定义和运行完全分开。TensorFlow采用符号式编程。
符号式计算一般是先定义各种变量，然后建立一个数据流图，在数据流图中规定各个变量之间的计算关系，最后需要对数据流图进行编译，但这时的数据流图是一个空壳，里面没有实际数据，只有把需要的输入放进去后，才能在整个模型中形成数据流，从而形成输出值。
（2）TensorFlow涉及的运算都放在图中，图的运行只发生在会话（session）中。开启会话后，就可以用数据去填充节点，进行运算。关闭会话后，就不能进行计算了。
（1）边：边有两种连接关系：数据依赖和控制依赖。其中，实现边表示数据依赖，代表数据，即张量。张量具有的一些数据属性：
tf.float32
tf.float64
tf.int64
tf.int32
……
虚线边为依赖控制，可用于控制操作的运行，这类边没有数据流过。但源节点必须在目的节点开始执行前完成执行。常用代码如下：
tf.Graph.control_dependencies(control_inputs)
（2）节点：图中的节点表示一个操作（OP)，即数学运算。在建立图的时候确定下来。
（3）图：构建图的第一步是创建各个节点。具体如下：
原文：https://www.cnblogs.com/Lee-yl/p/9412867.html