OpenVX中 graph与node之间的关系，以及在CNN中的定位
很多小伙伴都知道，OpenVX是用来处理图像的一组API,核心是kernel函数的实现，OpenVX对于图像处理是调用底层硬件的GPU或者PPU等硬件加速器，所以相比于OpenCV，速度快了不止亿点点。
在OpenVX当中，有一个关键词叫做kernel，这里的kernel并不是指操作系统的kernel，而是指OpenVX中的一种功能，比如对一个图片进行高通滤波的功能就是openVX的一个功能，这在OpenVX里面叫做一个user kernel。既然kernel是一种提供给用户使用的功能，那么这个功能函数一般支持传参，通过参数的不同来改变kernel的运行结果（比如传入的图片就算一个参数）。在OpenVX当中，把参数定义初始化好后的kenrel叫做node, 因此，node就是kernel的一个实例化即拥有指定参数的kernel。
在CNN中，OpenVX的node就是一个layer层，而OpenVX的运行是基于node来运行的，所有的node会被链接到图(graph)中，最后由graph统一运行。
深度神经网络最近已成为解决各种计算机视觉问题的标准工具。虽然训练一个神经网络不在OpenVX的范围内，但导入一个预先训练过的网络并在其上运行推理是OpenVX功能的一个重要组成部分。表示函数的节点和表示数据的链接的graph API的概念对于使用OpenVX实现深度神经网络非常方便。事实上，每个神经网络单元都可以表示为一个graph node。OpenVX有一种特殊的数据类型来表示张量，以提供这些node之间的数据交换，而这些node本身是在OpenVX神经网络扩展中实现的。
另一种将神经网络导入到OpenVX中的方法是使用OpenVX内核导入扩展.这里就不细讲了， 有兴趣的小伙伴可以自己去官方提供的编程手册查阅，或者我的资源里也有相应的中文版翻译资料openvx programmming user guide
上图就很清楚的看出，处理图片数据流程中，data node graph三者之间的关系了。