今天在學習TensorFlow Basic Api的時候，碰到了一個有趣的現象。
題目是計算以2爲基數的等比數列的和, example code是這樣的：
@tf.function
def converge_to_2(iters_n):
total = tf.constant(0.)
increment = tf.constant(1.)
for _ in range(iters_n):
total += increment
increment /= 2.0
return total
result = converge_to_2(20)
print(result)
我起初以爲這代碼是錯誤的，爲什麼total已經被聲明成了tf.constant，但卻依然可以被賦值？那consant的意義何在呢。可是運行了一下，卻輸出了正確的結果。
經過我的反覆思考，我得到了自己的答案。
首先，Python的變量類型是動態的，也許這個變量此時還是一個數組，下一個語句執行完了之後它就變成了字典。那既然是這樣，Python就不應該存在真正的const類型。
但Python是可以存在const的，對麼，因爲Python中的一切都是對象，而對象的魔術方法中有專門處理賦值的，我們可以在這裏做手腳，實現對想聲明爲const對象的無法賦值操作。
But, Why Constant in Tensorflow do it?
其實我們只要想象一下，爲什麼Tf要定義constant這個變量，絕不是讓你在平時的科學計算裏使用的，當我們在Train一個Neural Network的時候，要保持一些量不隨梯度所改變，而需要隨梯度所改變的，我們使用tf.Variable。所以tf.constant沒必要對科學計算進行處理，只需要對tf內部的某些運算做處理即可。