如何使用已有tf.constant张量与数值创建新TensorFlow张量

tf.constant() 不支持在传入的列表/嵌套序列参数中直接包含Tensor对象。示例中的a是shape为()的0维标量张量，本身没有len()属性，常量构造逻辑尝试获取传入序列长度时就会触发该错误。

根据运行场景选择对应方案：

• 全场景兼容方案：使用张量拼接API
  动态图、静态图模式下都可以直接用tf.stack组合张量和普通数值，不需要手动提取张量内部存储的值：

import tensorflow as tf
a = tf.constant(3)
new_tensor = tf.stack([a, 2])
# 输出：<tf.Tensor: shape=(2,), dtype=int32, numpy=array([3, 2], dtype=int32)>

• 动态图模式方案：提取张量原生值后构造常量
  默认开启的Eager Execution交互式环境下，可以通过.numpy()取出张量存储的原生Python/NumPy数值，再传入tf.constant构造：

a = tf.constant(3)
new_tensor = tf.constant([a.numpy(), 2])

• 自动转换方案：使用tf.convert_to_tensor
  该接口可以自动处理混合了张量、普通数值的序列，完成类型和结构转换，不需要手动拆分值：

a = tf.constant(3)
new_tensor = tf.convert_to_tensor([a, 2])

注意：静态图模式下禁止使用.numpy()取值，此时张量只是计算图上的占位节点，没有运行时的实际值，直接使用tf.stack这类原生张量操作API即可。

内容的提问来源于stack exchange，提问作者Belter