常量值張量(Constant Value Tensors)TensorFlow提供了多種方式生成常量值的張量。與變數不同，常量在執行前不再需要顯式初始化。tf.constant這一個最為常見。定義如下：tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False)value為常量值或者列表，dtype為型別，shape為張量形狀，name為名稱、verify_shape為用於驗證值的形狀，預設False。

tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) # tensor的輸出值是 [1 2 3 4 5 6 7]
tensor = tf.constant(-1.0, shape=[2, 3]) #tensor的輸出值是[[-1. -1. -1.],[-1. -1. -1.]]
 

tf.zeros tf.zeros_liketf.zeros(shape, dtype=tf.float32, name=None)建立一個所有元素都設定為零的張量。shape為張量形狀，dtype為型別，name為名稱。

z = tf.zeros([3, 4], tf.int32)  # z的值是[[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]

tf.zeros_like(tensor, dtype=None, name=None, optimize=True)給定一個張量（tensor），該操作返回與給定的張量相同型別和形狀的張量，該返回張量的所有元素會被設定為零。或者使用dtype指定返回張量的新型別。tensor為給定的張量，dtype為型別，name為名稱，optimize為優化項，如果為true，則嘗試靜態確定“張量”的形狀並將其編碼為常量。

tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
a = tf.zeros_like(tensor)  # a的值是[[0, 0, 0], [0, 0, 0]]
 

tf.ones tf.ones_like與tf.zeros()和tf.zeros_like()類似tf.filltf.fill(dims, value, name=None)tf.zeros()和tf.ones()是以0和1填充張量，而tf.fill()則可以指定要填充的值。引數dims表示輸出張量的形狀。value為要填充的值。name為名稱。

f = tf.fill([2, 3], 9)   #f的值為[[9,9,9],[9,9,9]]

序列(Sequences)與變數不同，序列在執行前不再需要顯式初始化。tf.linspacetf.linspace(start, stop, num, name=None)產生一個等差數列一維向量，初始值是start、結束值是stop，個數是num。這個數列每次的增量是(stop - start)/(num-1)。

l = tf.linspace(10.0, 12.0, 3, name="linspace") # l的值是 [ 10.0, 11.0,  12.0]， 每次增長(12-10)/(3-1) = 1
k = tf.linspace(10.0, 12.0, 5") # k的值是 [ 10.0, 10.5,  11.0, 11.5,  12.0]， 每次增長(12-10)/(5-1) = 0.5
j = tf.linspace(10.0, 8.0, 3") # j的值是 [10.0, 9.0, 8.0]， 值往小增長。

tf.rangetf.range(limit, delta=1, dtype=None, name='range')tf.range(start, limit, delta=1, dtype=None, name='range')產生一個等差數列的一維向量，初始值是start，增量是delta，結束值小於limit。start是初始值，如果不指定，預設是0；delta是增量，預設是1。limit是這個數列的最大值，但不包括在內，也就是說這個數列的最大值不能大於或者等於limit；dtype為型別；name為名稱。

start = 3
limit = 18
delta = 3
r = tf.range(start, limit, delta)  # r = [3, 6, 9, 12, 15]，數列從3開始，每次向上增長3，但最大不超過18
limit = 5
r2 = tf.range(limit)  #r2 = [0, 1, 2, 3, 4]，數列從0開始，增量是1，一直增長到4

參考文件：