Constant 可以存放多樣式的資料型態，常見的資料型態有：
• tf.float16: 16-bit 半精度浮點。
• tf.float32: 32-bit 單精度浮點。
• tf.float64：64位雙精度浮點。
• tf.bfloat16：16位截斷浮點。
• tf.complex64：64位單精度複合體。
• tf.complex128：128位雙精度複合體。
• tf.int8：8位有符號整數。
• tf.uint8：8位無符號整數。
• tf.uint16：16位無符號整數。
• tf.int16：16位有符號整數。
• tf.int32：32位有符號整數。
• tf.int64：64位有符號整數。
• tf.bool：布林代數。
• tf.string：字符串。
• tf.qint8：量化的8位有符號整數。
• tf.quint8：量化的8位無符號整數。
• tf.qint16：量化的16位有符號整數。
• tf.quint16：量化的16位無符號整數。
• tf.qint32：量化的32位有符號整數。
• tf.resource：處理可變資源。
• tf.variant：任意類型的值。

範例程式06_string.py
1. import tensorflow as tf
2. node1 = tf.constant(“Hello”)
3. node2 = tf.constant(” www.PowenKo.com”)
4. print(node1, node2)
5. sess = tf.Session()
6. print(sess.run(node1+node2))

輸出為
(<tf.Tensor ‘Const:0’ shape=() dtype=string>, <tf.Tensor ‘Const_1:0’ shape=() dtype=string>)
2018-01-16 21:01:30.890335: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
Hello www.PowenKo.com

圖6 執行結果