tf.Variable 是不是张量？

Question

我已经阅读了关于这个问题here 和here 的一些答案，但是我仍然对tf.Variable 是和/或不是tf.Tensor 感到有些困惑。 链接的答案涉及tf.Variable 的可变性，并提到tf.Variables 保持其状态（使用默认参数trainable=True 实例化时）。

让我仍然有点困惑的是我在使用tf.test.TestCase编写简单单元测试时遇到的一个测试用例

考虑以下代码 sn-p。我们有一个名为Foo 的简单类，它只有一个属性，tf.Variable 初始化为w：

import tensorflow as tf
import numpy as np

class Foo:
    def __init__(self, w):
        self.w = tf.Variable(w)

现在，假设您要测试 Foo 的实例是否已使用与通过 w 传入的相同维度的张量初始化 w。最简单的测试用例可以这样写：

import tensorflow as tf
import numpy as np
from foo import Foo

class TestFoo(tf.test.TestCase):
    def test_init(self):
        w = np.random.rand(3,2)
        foo = Foo(w)
        init = tf.global_variables_initializer()
        with self.test_session() as sess:
            sess.run(init)
            self.assertShapeEqual(w, foo.w)

if __name__ == '__main__':
      tf.test.main()

现在，当您运行测试时，您将收到以下错误：

======================================================================
ERROR: test_init (__main__.TestFoo)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "test_foo.py", line 12, in test_init
    self.assertShapeEqual(w, foo.w)
  File "/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/test_util.py", line 1100, in assertShapeEqual
    raise TypeError("tf_tensor must be a Tensor")
TypeError: tf_tensor must be a Tensor

----------------------------------------------------------------------
Ran 2 tests in 0.027s

FAILED (errors=1)

您可以通过执行以下操作“绕过”此单元测试错误（即注意 assertShapeEqual 已替换为 assertEqual）：

self.assertEqual(list(w.shape), foo.w.get_shape().as_list())

不过，我感兴趣的是 tf.Variable 与 tf.Tensor 的关系。 测试错误似乎表明foo.w NOT 是tf.Tensor，这意味着您可能无法在其上使用tf.Tensor API。但是，请考虑以下交互式 python 会话：

$ python3
Python 3.6.3 (default, Oct  4 2017, 06:09:15)
[GCC 4.2.1 Compatible Apple LLVM 9.0.0 (clang-900.0.37)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> import numpy as np
>>> w = np.random.rand(3,2)
>>> var = tf.Variable(w)
>>> var.get_shape().as_list()
[3, 2]
>>> list(w.shape)
[3, 2]
>>>

在上面的会话中，我们创建一个变量并在其上运行get_shape() 方法以检索其形状尺寸。现在，get_shape() 方法是 tf.Tensor API 方法，您可以看到 here。

所以回到我的问题，tf.Tensor API 的哪些部分是 tf.Variable 实现的。如果答案是全部，为什么上面的测试用例会失败？

self.assertShapeEqual(w, foo.w)

与

raise TypeError("tf_tensor must be a Tensor")

我很确定我在这里遗漏了一些基本的东西，或者它可能是 assertShapeEqual 中的一个错误？如果有人能对此有所了解，我将不胜感激。

我在 macOS 上使用以下版本的 tensorflow 和 python3：

tensorflow (1.4.1)

Answer 1

该测试实用程序函数正在检查变量是否实现tf.Tensor

>>> import tensorflow as tf
>>> v = tf.Variable('v')
>>> v
<tf.Variable 'Variable:0' shape=() dtype=string_ref>
>>> isinstance(v, tf.Tensor)
False

答案似乎是否定的。

更新：

根据正确的文档：

https://www.tensorflow.org/programmers_guide/variables

与 tf.Tensor 对象不同，tf.Variable 存在于 一个 session.run 调用。

虽然：

一个 tf.Variable 代表一个张量，其值可以通过 对其进行操作。

（不太清楚“代表张量”是什么意思 - 听起来像是设计“特征”）