TensorFlow的reduce_sum()函数

reduce_sum(

    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None

)

1. input_tensor 是要求和的 tensor

2. axis 是要求和的 rank，如果为 none，则表示所有 rank 都要求和

3. keep_dims 求和后是否要降维

4. 这个操作的名称，可在 graph 中 用

5. 已被淘汰的，被参数 axis 替代

其实在reduce_sum()中，是从维度上去考虑的（感觉这个Matlab中数据的概念比较像）

调用reduce_sum(arg1, arg2)时，参数arg1即为要求和的数据，arg2有两个取值分别为0和1，通常用reduction_indices=[0]或reduction_indices=[1]来传递参数。从上图可以看出，当arg2 = 0时，是纵向对矩阵求和，原来矩阵有几列就得到几个值；相似地，当arg2 = 1时，是横向对矩阵求和；当省略arg2参数时，默认对矩阵所有元素进行求和。

看到这里，函数名的前缀为什么是reduce_其实也就很容易理解了，reduce就是“对矩阵降维”的含义，下划线后面的部分就是降维的方式，在reduce_sum()中就是按照求和的方式对矩阵降维。那么其他reduce前缀的函数也举一反三了，比如reduce_mean()就是按照某个维度求平均值，等等。