版本、环境信息
1)paddlehub 1.8.2,paddle1.8.4
2)系统环境：Windows 10,python3.7.9,x64

问题
通过hub提供的预训练模型提取句子的字特征，同一个句子每次得到的特征不一样。

问题描述
使用paddlehub提供的预训练bert_chinese_L-12_H-768_A-12模型组建下游任务(没有使用task方法，使用动态图构建),在获取同一个句子的输出字特征时，通过debug显示返回的 sequence_output 数据内容不一样。不清楚是否是自动更新了参数，也没找到开关， context() 方法的trainable也设置为了False,但应该是不相关的。
由于是构建多输入多输出的任务，所以拟使用动态图的方式进行构建，如有其他更好办法欢迎RD指导，感谢。

复现代码
(当前还在组网阶段，没有模型结构，只在验证输入输出)

#!/usr/bin/env python3
# encoding:utf-8
# @Time     : 2020/11/12 9:13
# @Author   : vflanker
# @Email    : local
# File      : test.py
# Project   : scratch

# encoding:utf-8
import paddlehub as hub
from paddlehub.tokenizer import BertTokenizer
import numpy as np
import paddle.fluid as fluid

mini_data = [
    # 0
    {"text": "查尔斯·阿兰基斯（Charles Aránguiz），1989年4月17日出生于智利圣地亚哥，智利职业足球运动员，司职中场，效力于德国足球甲级联赛勒沃库森足球俱乐部",
     "spo_list": [["查尔斯·阿兰基斯", "出生地", "圣地亚哥"], ["查尔斯·阿兰基斯", "出生日期", "1989年4月17日"]]},
    # 1
    {"text": "《离开》是由张宇谱曲，演唱", "spo_list": [["离开", "歌手", "张宇"], ["离开", "作曲", "张宇"]]},
    # 2
    {"text": "《愤怒的唐僧》由北京吴意波影视文化工作室与优酷电视剧频道联合制作，故事以喜剧元素为主，讲述唐僧与佛祖打牌，得罪了佛祖，被踢下人间再渡九九八十一难的故事",
     "spo_list": [["愤怒的唐僧", "出品公司", "北京吴意波影视文化工作室"], ["愤怒的唐僧", "导演", "吴意波"]]},
    # 3
    {"text": "李治即位后，萧淑妃受宠，王皇后为了排挤萧淑妃，答应李治让身在感业寺的武则天续起头发，重新纳入后宫", "spo_list": [["李治", "妻子", "萧淑妃"], ["萧淑妃", "丈夫", "李治"]]}
]

max_seq_len = 128
mini_data = mini_data[:2]
data_size = len(mini_data)
module = hub.Module(name='bert_chinese_L-12_H-768_A-12')

tokenizer = BertTokenizer(vocab_file=module.get_vocab_path())

inputs, outputs, program = module.context(trainable=False, max_seq_len=max_seq_len)

data_0 = [tokenizer.encode(mini_data[i]['text'], max_seq_len=max_seq_len, pad_to_max_seq_len=True)
          for i in range(len(mini_data))]
data = {key: [line[key] for line in data_0] for key in data_0[0].keys()}

batch_size = len(data["input_ids"])

with fluid.dygraph.guard():
    input_ids = np.array(data['input_ids']).astype(np.int64).reshape([batch_size, -1, 1])
    position_ids = np.array(data['position_ids']).astype(np.int64).reshape([batch_size, -1, 1])
    segment_ids = np.array(data['segment_ids']).astype(np.int64).reshape([batch_size, -1, 1])
    input_mask = np.array(data['input_mask']).astype(np.float32).reshape([batch_size, -1, 1])
    ret = module(input_ids, position_ids, segment_ids, input_mask)
    print(ret)