Tensorflow教程（2）Tensorflow的常用函数介绍
1、tf.constant
tf.constant用来定义一个常量，所谓常量，广义上讲就是“不变化的量”。我们先看下官方api是如何对constant函数来定义的：
tf.constant( value, dtype=None, shape=None, name='Const', verify_shape=False )
其中包括5个输入值：
value（必填）：常量的值，可以是一个数，也可以是一个向量或矩阵。
dtype（非）：用来指定数据类型，例如tf.float32类型或tf.float64。
shape：用来指定数据的维度。
name：为常量定义名称。
verify_shape：默认值为False，如果值为True时，在定义常量时会自动检测value和shape维度是否相同，不同则报错，例如value定义为1，而shape定义为一个一行两列的矩阵（1,2），那么肯定会报错。
了解了参数的含义，我们用代码来验证一下吧！
#定义一个整数 a = tf.constant(1) #定义一个向量 b = tf.constant([1,2]) #定义一个2行3列的矩阵 c = tf.constant([[1,2,3],[4,5,6]]) print(a) print(b) print(c)
输出结果：
Tensor("Const:0", shape=(), dtype=int32) Tensor("Const_1:0", shape=(2,), dtype=int32) Tensor("Const_2:0", shape=(2, 3), dtype=int32)
可以看出来变量a的shape是空，也就是0维，一个整数；
变量b的shape是（2,），只有一个维度，是一个向量，长度为2；
变量c的shape是（2,3），有两个维度，也就是一个2X3的矩阵。
当指定dtype参数时：
#定义一个整数 a = tf.constant(1,dtype=tf.float32) #定义一个向量 b = tf.constant([1,2],dtype=tf.float32) #定义一个2行3列的矩阵 c = tf.constant([[1,2,3],[4,5,6]],dtype=tf.float32) print(a) print(b) print(c)
输出结果：
Tensor("Const:0", shape=(), dtype=float32) Tensor("Const_1:0", shape=(2,), dtype=float32) Tensor("Const_2:0", shape=(2, 3), dtype=float32)
可见数值的类型都变为float32类型。
当指定shape参数时：
#定义一个整数 a = tf.constant(2.,shape=()) b = tf.constant(2.,shape=(3,)) c = tf.constant(2.,shape=(3,4)) with tf.Session() as sess: print(a.eval()) print(b.eval()) print(c.eval())
输出结果：
2.0
[2. 2. 2.]
[[2. 2. 2. 2.]
[2. 2. 2. 2.]
[2. 2. 2. 2.]]
此时constant会根据shape指定的维度使用value值来进行填充，例如参数a指定维度为0，也就是一个整数；参数b指定维度为1长度为3，也就是一个向量；参数b指定维度为2长度为3X4，也就是定义一个3X4的矩阵，全部都使用value值2.0来进行填充。
当指定name参数时：
#不指定name a = tf.constant(2.) #指定name b = tf.constant(2.,name="b") print(a) print(b)
输出结果：
Tensor("Const:0", shape=(), dtype=float32) Tensor("b:0", shape=(), dtype=float32)
建议大家创建常量时最好定义一下name，只要是字符串就没有问题。
当指定verify_shape=True时：
a = tf.constant(2.,shape=(2,3),verify_shape=True)
输出结果报错：
TypeError: Expected Tensor's shape: (2,3), got ().
意思是value值和指定的shape维度不同，value是一个整数，而我们指定的shape为2X3的矩阵，所以报错！当我们去掉verify_shape参数时错误即消失。那么问题来了，此时这个常量到底是整数还是一个矩阵呢？当然是矩阵啦（一个被value值填充的2X3矩阵）！