对tensorflow.constant（）的理解

tensorflow.python.framework.constant_op @tf_export(v1=["constant"]) def constant_v1(value: Any,
                dtype: Any = None,
                shape: Any = None,
                name: str = "Const",
                verify_shape: bool = False) -> Tensor

创建一个constant（恒定，在应用中该类型的变量通常是只读，不可修改的）张量。

得到的张量由类型为dtype的值填充，由参数值和(可选的)形状指定(参见下面的示例)。

参数值可以是常量值，也可以是类型为dtype的值列表。如果value是一个列表，那么列表的长度必须小于或等于shape参数所暗示的元素数量(如果指定)。如果列表长度小于按形状指定的元素数量，则列表中的最后一个元素将用于填充其余条目。

参数形状是可选的。如果存在，它指定得到的张量的维数。如果不存在，则使用值的形状。

如果未指定参数dtype，则从值的类型推断类型。

tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) => [1 2 3 4 5 6 7]

tensor = tf.constant(-1.0, shape=[2, 3]) => [[-1. -1. -1.]

关于张量：
多维数组可以被称之为张量，和numpy中的数组一样，张量也有类型和形状。在tensorflow 的python API中，可以用numpy中的ndarrays来表示。通常用来保存浮点数据，也可以用来存储字符串（任意字节的数组）。