在深度學習領域，TensorFlow 是一個廣泛使用的開源機器學習框架。想要熟練使用 TensorFlow 進行模型開發，掌握變量、常量、占位符和 Session 這些基礎知識是必不可少的。接下來，我們就深入了解一下它們的概念、用處，并通過代碼示例進行演示。

一、常量（Constant）

常量，顧名思義，就是在計算圖構建和運行過程中，值固定不變的量。在 TensorFlow 中，常量一旦被定義，其值就不能再被修改。

常量的作用

常量常用于定義模型中的固定參數、初始值，或者是一些不會改變的輸入數據，比如圖像識別中的固定標簽等。

#代碼示例import tensorflow as tf#定義一個整數常量a = tf.constant(5)#定義一個浮點數常量b = tf.constant(3.0)#定義一個字符串常量c = tf.constant("Hello, TensorFlow!")#創建會話with tf.Session() as sess:result_a = sess.run(a)result_b = sess.run(b)result_c = sess.run(c)print("整數常量a的值：", result_a)print("浮點數常量b的值：", result_b)print("字符串常量c的值：", result_c)

這里通過tf.constant()函數定義常量，再使用會話Session的run()方法來獲取常量的值

二、變量（Variable）