在深度学习领域，TensorFlow 是一个广泛使用的开源机器学习框架。想要熟练使用 TensorFlow 进行模型开发，掌握变量、常量、占位符和 Session 这些基础知识是必不可少的。接下来，我们就深入了解一下它们的概念、用处，并通过代码示例进行演示。

一、常量（Constant）

常量，顾名思义，就是在计算图构建和运行过程中，值固定不变的量。在 TensorFlow 中，常量一旦被定义，其值就不能再被修改。

常量的作用

常量常用于定义模型中的固定参数、初始值，或者是一些不会改变的输入数据，比如图像识别中的固定标签等。

#代码示例import tensorflow as tf#定义一个整数常量a = tf.constant(5)#定义一个浮点数常量b = tf.constant(3.0)#定义一个字符串常量c = tf.constant("Hello, TensorFlow!")#创建会话with tf.Session() as sess:result_a = sess.run(a)result_b = sess.run(b)result_c = sess.run(c)print("整数常量a的值：", result_a)print("浮点数常量b的值：", result_b)print("字符串常量c的值：", result_c)

这里通过tf.constant()函数定义常量，再使用会话Session的run()方法来获取常量的值

二、变量（Variable）