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，这意味着在单个执行情况下，张量仅具有单个值。但是，对同一张量进行两次评估可能会返回不同的值。例如，张量可以是从磁盘读取数据或生成随机数的结果。
有人可以详细说明张量的“不变”方面吗？
张量与变量不同，可以与数学方程式进行比较。
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，而当您开始一个会话并执行它时，TensorFlow会运行所需的计算来返回值2 + 2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
现在为您的问题：
说张量可以用不同的值求值，这意味着，例如，如果说张量等于一个随机数，则在不同的时间运行它时，您将拥有不同的值（因为等式本身是一个随机数），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）
单个执行的上下文意味着运行张量时，只会输出一个值。想像执行我提到的方程式那样执行张量。如果我说张量等于随机+ 1，当您一次执行张量时，它将返回一个随机值+1，除此之外没有其他值。但是由于张量包含随机输出，因此如果您多次运行它，则很可能会获得不同的值
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句