tf.constant、tf.Tensor vs tf.Vari

先上代码：

import tensorflow as tf 

v = tf.Variable("v")
print(v)
print(isinstance(v, tf.Tensor))
c = tf.constant('v')
print(c)
print(isinstance(c, tf.Tensor))

运行结果：

<tf.Variable 'Variable:0' shape=() dtype=string, numpy=b'v'>
False
tf.Tensor(b'v', shape=(), dtype=string)
True

结论:

• tf.Tensor是TensorFlow，构建计算图的基础类，每个节点，输入是tf.Tensor, 操作是tf.function
• tf.contant函数用于创建一个有固定值的tf.Tensor实例，但值不可更改
• tf.Variable用于实现值可以被更新的张量，但不是tf.Tensor的实例。变量通过 tf.Variable 类进行创建和跟踪。tf.Variable 表示张量，对它执行运算可以改变其值。利用特定运算可以读取和修改此张量的值。更高级的库（如 tf.keras）使用 tf.Variable 来存储模型参数