在tensorflow中，常量和不可训练变量之间有什么区别？

根据,

tf.constant（）

的值多次存储在内存中

这提供了一个实用的答案，当您有一些不应改变值的大张量时，是使用tensorflow常量还是不可训练变量

---

然而，我不清楚为什么两者都存在，以及为什么（在什么情况下）

tf.constant

会被复制到内存中

如果执行

W=tf.constant（embedding，name=“W”）

操作，则嵌入的值将存储两次——在

embedding

中的numpy侧和

W

op中的TensorFlow侧。请注意，

constant

值存储在

Graph

对象中，该对象未针对大型并行数据传输进行优化（至少之前有性能投诉），同时

变量

值存储已优化

那么，何时使用常量更好？