我在TensorFlow文档中读到了下面这句话：
除了 tf.Variable 之外，张量的值是不可变的，这意味着在单次执行的上下文中张量仅具有单个值。然而，对同一个张量求值两次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。
有人可以详细说明一下张量的“不可变”方面吗？
张量与变量不同，可以与数学方程进行比较。
当你说一个张量等于 2+2 时，它的值实际上并不是 4，而是计算指令导致了 2+2 的值，当你启动一个会话并执行它时，TensorFlow 会运行返回值所需的计算2+2 并给出输出。由于张量是计算而不是结果，所以张量是不可变的
现在回答您的问题：
通过说张量可以用不同的值来评估，这意味着如果你说一个张量等于一个随机数，当你运行它不同的时间时，你将得到不同的值（因为方程本身是一个随机的），但如前所述，张量本身的值不是值，而是导致它的步骤（在本例中是随机公式）
单次执行的上下文意味着当您运行张量时，它只会输出一个值。想象执行一个张量就像应用我提到的方程一样。如果我说一个张量等于随机+1，当你执行一次张量时，它会返回一个随机值+1，没有其他。但由于张量包含随机输出，如果多次运行它，很可能会得到不同的值
| 归档时间： |
|
| 查看次数： |
2975 次 |
| 最近记录： |