1 · 源码总览：从 API 外壳到设备 kernel

源码规模与阅读策略

本地快照约有 26,923 个文件，其中核心 tensorflow 树包含 Python、C++ 头文件和实现、构建规则、测试及多语言绑定。大仓库的正确入口不是从根目录顺序阅读，而是先选一条可观察的业务链，再沿着对象和注册表向下走。

用户代码
  ↓
tensorflow/python/ops + eager + framework
  ↓  (pybind / C API / generated op wrappers)
tensorflow/core/common_runtime + core/framework
  ↓
OpRegistry / KernelRegistry / Device
  ↓
CPU/GPU/TPU kernel + allocator + thread pool

tensorflow/python 是“语言适配层”

Python 层做四类事情：

• 把 Python 值、TypeSpec、CompositeTensor 和结构化参数转成 TensorFlow 可理解的输入；
• 管理 eager/graph/function 的当前上下文；
• 维护 Python 对象与 C++ handle、变量、资源、梯度 tape 的生命周期；
• 暴露 Keras、tf.data、SavedModel 等用户体验。

这解释了为什么 tensorflow/python/eager/execute.py 只有几百行，却连接了大量生成的 op wrapper：它是统一的参数归一化和派发汇合点，而不是每个算子的实现。

tensorflow/core 是运行时骨架

core/framework 定义值对象与协议：Tensor、TensorShape、NodeDef、GraphDef、OpKernel、Status。core/common_runtime 负责把协议变成一次运行：设备管理、executor、函数库、内存、资源和 session。

一个重要设计是“协议与策略分离”：Tensor 不知道具体 op 如何计算，OpKernel 不负责全局调度，Executor 也不直接写每个设备的数学逻辑。它们通过注册表和接口组合。

初始化不是一个函数，而是一组懒路径

TensorFlow 启动时不会立即创建所有设备和所有 kernel。Python Context.ensure_initialized() 会在需要时建立 C API context；C++ 侧再发现 device、加载/注册函数、创建 executor 和相关缓存。这样既支持纯 CPU 的轻量使用，也保留多设备、远程执行和分布式初始化能力。

版本边界

这份拆解使用 RELEASE.md 的 Release 2.22.0 作为基准。当前快照的 .bazelversion 是 7.7.0，依赖通过 MODULE.bazel、WORKSPACE、third_party 和 Python requirements lock 组合管理。版本号不仅是发布信息，还会进入 GraphDef、API golden files、算子兼容性与构建工具链。

源码锚点

• README.md：公共定位、安装方式、支持范围。
• RELEASE.md：2.22.0 破坏性变更和主要改动。
• MODULE.bazel / WORKSPACE：Bazel 模块与仓库初始化。
• tensorflow/core/framework/：跨后端共享的协议对象。
• tensorflow/core/common_runtime/：本地执行与资源管理。
• tensorflow/tools/api/：公开 Python API 生成与检查。