计算图 (Compute Graph) 是 GGML 中描述张量运算关系的数据结构，以有向无环图 (DAG) 表示，支持前向传播和自动微分。

为什么需要 compute-graph

LLM 的 forward pass 涉及数百个张量运算（矩阵乘法、归一化、激活函数等）。计算图将这些运算组织为 DAG，使得 GGML 可以：

• 自动推导运算顺序
• 优化执行计划（算子融合、内存复用）
• 支持自动微分（反向传播）
• 将运算分发到不同硬件后端

核心原理

struct ggml_cgraph {
    int n_nodes;                        // 节点数
    struct ggml_tensor * nodes[GGML_MAX_NODES]; // 运算节点
    int n_leafs;                        // 叶子节点数
    struct ggml_tensor * leafs[GGML_MAX_NODES]; // 输入张量
};

工作流程：

1. 构建 — 用户通过 ggml_mul_mat(), ggml_add() 等创建张量运算
2. 收集 — ggml_build_forward_expand() 将目标张量的所有依赖加入图
3. 执行 — ggml_graph_compute() 按拓扑序遍历并计算每个节点
4. 微分 — ggml_build_backward_expand() 自动构建梯度计算图

在源码中的实现

• ggml/include/ggml.h — ggml_cgraph 结构和图操作 API
• ggml/src/ggml.c — 图构建和执行实现
• ggml/src/ggml-backend.cpp — 后端执行计算图
• src/llama-model.cpp — 为 Transformer 层构建计算图

相关概念

• ggml — 计算图所在的张量库
• tensor — 计算图中的节点
• backend — 计算图的执行后端