# 常量 使用具有以下签名的`tf.constant()`函数创建常量值张量： ```py tf.constant( value, dtype=None, shape=None, name='Const', verify_shape=False ) ``` 让我们看看本书中 Jupyter 笔记本中提供的示例代码： ```py c1=tf.constant(5,name='x') c2=tf.constant(6.0,name='y') c3=tf.constant(7.0,tf.float32,name='z') ``` 让我们详细研究一下代码： * 第一行定义一个常数张量`c1`，给它值 5，并将其命名为 x。 * 第二行定义一个常数张量`c2`，存储值为 6.0，并将其命名为 y。 * 当我们打印这些张量时，我们看到`c1`和`c2`的数据类型由 TensorFlow 自动推导出来。 * 要专门定义数据类型，我们可以使用`dtype`参数或将数据类型作为第二个参数。在前面的代码示例中，我们将`tf.float32`的数据类型定义为`tf.float32`。 让我们打印常量`c1`，`c2`和`c3`： ```py print('c1 (x): ',c1) print('c2 (y): ',c2) print('c3 (z): ',c3) ``` 当我们打印这些常量时，我​​们得到以下输出： ```py c1 (x): Tensor("x:0", shape=(), dtype=int32) c2 (y): Tensor("y:0", shape=(), dtype=float32) c3 (z): Tensor("z:0", shape=(), dtype=float32) ``` 为了打印这些常量的值，我们必须使用`tfs.run()`命令在 TensorFlow 会话中执行它们： ```py print('run([c1,c2,c3]) : ',tfs.run([c1,c2,c3])) ``` 我们看到以下输出： ```py run([c1,c2,c3]) : [5, 6.0, 7.0] ```