tf.reduce_sum tensorflow维度上的操作

tensorflow中有很多在维度上的操作，本例以常用的tf.reduce_sum进行说明。官方给的api

reduce_sum(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

input_tensor:表示输入

axis:表示在那个维度进行sum操作。 
keep_dims:表示是否保留原始数据的维度，False相当于执行完后原始数据就会少一个维度。 
reduction_indices:为了跟旧版本的兼容，现在已经不使用了。 
官方的例子：

# 'x' is [[, , ]
#         [, , ]]
tf.reduce_sum(x) ==>
tf.reduce_sum(x, ) ==> [, , ]
tf.reduce_sum(x, ) ==> [, ]
tf.reduce_sum(x, , keep_dims=True) ==> [[], []]
tf.reduce_sum(x, [, ]) ==> 6  # 0轴 1轴，0轴加后只有一个1轴了，再1轴加成一个点

第二个参数表示在那个轴上的运算；

自己做的例子：

import tensorflow as tf
import numpy as np
x = np.asarray([[[,,],[,,]],[[,,],[,,]]])
x_p = tf.placeholder(tf.int32,[,,])
y =  tf.reduce_sum(x_p,) #修改这里
with tf.Session() as sess:
    y = sess.run(y,feed_dict={x_p:x})
    print y

axis= 0：[[ 8 10 12] [14 16 18]] 
1+7 2+8 3+7 …….. 
axis=1: [[ 5 7 9] [17 19 21]] 
1+4 2+5 3 +6 …. 
axis=2: [[ 6 15] [24 33]] 
1+2+3 4+5+6…..

原文：https://blog.csdn.net/lxg0807/article/details/74625861