有三种类型的张量用于创建神经网络模型：

1. 常数张量
顾名思义，常量张量用作常量。他们创建了一个节点，它接受一个值并且不改变它。可以使用 tf.constant 创建一个常量。
tf.constant(值，dtype=None，shape=None，name=’Const’，verify_shape=False)
它接受五个参数。

2. 可变张量
变量张量是提供其当前值作为输出的节点。这意味着它们可以在图形的多次执行中保持其价值。
3. 占位符张量
占位符张量比变量更重要。这些用于在以后分配数据。占位符是在执行时提供其值的节点。假设，我们的网络有依赖于一些外部数据的输入。此外，我们不希望我们的图表在开发图表时依赖于任何实际值，那么占位符是有用的数据类型。我们甚至可以在没有任何数据的情况下构建图表。
因此，占位符不需要任何初始值。它们只需要一个数据类型(例如 float32)和一个张量形状，因此即使它没有任何存储值，图形仍然知道要计算什么。