TensorFlow中的张量如何不变？

Question

我在TensorFlow文档中阅读了以下句子：

  

除了tf.Variable之外，张量的值是不可变的，   这意味着仅在单个执行张量的情况下   有一个单一的价值。但是，两次评估同一张量可以   返回不同的值；例如张量可以是   从磁盘读取数据或生成随机数。

有人可以详细说明张量的“不变”方面吗？

1. 什么是“不变性范围”，因为两次评估张量可能会返回不同的结果？
2. “单次执行的上下文”是什么意思？

Answer 1

张量不同于变量，可以与数学方程进行比较。

当您说一个张量等于2 + 2时，它的值实际上不是4，它是导致2 + 2值的计算指令，而当您启动一个会话并执行它时，TensorFlow运行返回所需的计算2 + 2的值，并提供输出。而且由于张量是计算的结果，而不是结果，所以张量是不可变的

现在提出您的问题：

1. 说张量可以用不同的值求值，这意味着，例如，如果说张量等于随机数，则在不同的时间运行它时，将具有不同的值（因为方程本身是一个随机数），但如前所述，张量本身的值不是值，而是导致它的步骤（在这种情况下为随机公式）

2. 单个执行的上下文意味着运行张量时，它只会输出一个值。想像使用我提到的方程式那样执行张量。如果我说一个张量等于随机+ 1，当您一次执行张量时，它将返回一个随机值+1，没有别的。但是由于张量包含随机输出，因此如果多次运行，您很可能会获得不同的值