Python TensorFlow中的张量是如何不变的？

我阅读了TensorFlow文档中的以下句子：

除了tf.Variable，张量的值是不可变的， 这意味着，在单个执行的上下文中，仅使用张量 只有一个值。然而，计算同一张量两次可以 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

有人能详细说明一下张量的“不变”方面吗

什么是“不变性的范围”，因为两次计算张量可能会得到不同的结果

“单个执行的上下文”是什么意思

---

张量不同于变量，可以比作数学方程

当你说张量等于2+2时，它的值实际上不是4，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运行返回2+2值所需的计算，并给出输出。由于计算中使用的是张量，而不是结果，所以张量是不变的

现在回答您的问题：

通过说张量可以用不同的值来计算，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，你会有不同的值（因为方程本身是随机的），但是张量本身的值，如前所述，不是这个值，是导致它的步骤（在本例中为随机公式）

单个执行的上下文意味着当您运行一个张量时，它将只输出一个值。考虑执行一个张量，比如应用我提到的方程。如果我说一个张量等于random+1，当你执行一次张量时，它会返回一个随机值+1，没有别的。但由于张量包含随机输出，如果您多次运行它，很可能会得到不同的值

---

很好的解释。谢谢更确切地说，张量的定义是不变的，也就是说，如果张量定义了一个方程x+y，它的值就是这个方程，这个方程是不变的。然而，当计算这个张量时，你可能会得到基于x和y的不同值？确切地说，当你建立一个张量时，TensorFlow基本上会建立一个数学模型来计算你想要的输出，因此，它是不变性的，因为张量本身的值不是你设置的结果，而是“为了输出用户告诉我的结果，我需要计算什么，如果您要求张量计算任意随机因子，多次执行可能会产生多个值，即使张量本身的值相同。为了更好地可视化，您可以尝试设置一个张量并简单地打印它，您会注意到您不会得到预期的值，您将看到对张量对象的引用。如果你想要它的结果，你需要打开一个会话并调用你的_tensor.run，在这一点上，它的计算将被实际执行并显示结果。它是一个非常快速的库的原因之一，因为代码不会得到不必要的执行。希望它能帮助您理解它背后的概念！它确实有用！谢谢！