常量值张量(Constant Value Tensors)
TensorFlow提供了多种方式生成常量值的张量。与变量不同，
常量在运行前不再需要显式初始化。
tf.constant
这一个最为常见。定义如下：
tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False)
value为常量值或者列表，dtype为类型，shape为张量形状，name为名称、verify_shape为用于验证值的形状，默认False。
tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) # tensor的输出值是 [1 2 3 4 5 6 7] tensor = tf.constant(-1.0, shape=[2, 3]) #tensor的输出值是[[-1. -1. -1.],[-1. -1. -1.]]
tf.zeros tf.zeros_like
tf.zeros(shape, dtype=tf.float32, name=None)
创建一个所有元素都设置为零的张量。shape为张量形状，dtype为类型，name为名称。
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)
给定一个张量（tensor），该操作返回与给定的张量相同类型和形状的张量，该返回张量的所有元素会被设置为零。或者使用dtype指定返回张量的新类型。
tensor为给定的张量，dtype为类型，name为名称，optimize为优化项，如果为true，则尝试静态确定“张量”的形状并将其编码为常量。
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
与tf.zeros()和tf.zeros_like()类似
tf.fill
tf.fill(dims, value, name=None)
tf.zeros()和tf.ones()是以0和1填充张量，而tf.fill()则可以指定要填充的值。
参数dims表示输出张量的形状。value为要填充的值。name为名称。
f = tf.fill([2, 3], 9) #f的值为[[9,9,9],[9,9,9]]
序列(Sequences)
与变量不同，
序列在运行前不再需要显式初始化。
tf.linspace
tf.linspace(start, stop, num, name=None)
产生一个等差数列一维向量，初始值是start、结束值是stop，个数是num。这个数列每次的增量是(stop - start)/(num-1)。
l = tf.linspace(10.0, 12.0, 3, name="linspace") # l的值是 [ 10.0, 11.0, 12.0]， 每次增长(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]， 每次增长(12-10)/(5-1) = 0.5 j = tf.linspace(10.0, 8.0, 3") # j的值是 [10.0, 9.0, 8.0]， 值往小增长。
tf.range
tf.range(limit, delta=1, dtype=None, name='range')
tf.range(start, limit, delta=1, dtype=None, name='range')
产生一个等差数列的一维向量，初始值是start，增量是delta，结束值小于limit。start是初始值，如果不指定，默认是0；delta是增量，默认是1。limit是这个数列的最大值，但不包括在内，也就是说这个数列的最大值不能大于或者等于limit；dtype为类型；name为名称。
start = 3 limit = 18 delta = 3 r = tf.range(start, limit, delta) # r = [3, 6, 9, 12, 15]，数列从3开始，每次向上增长3，但最大不超过18 limit = 5 r2 = tf.range(limit) #r2 = [0, 1, 2, 3, 4]，数列从0开始，增量是1，一直增长到4
参考文档：