tensorflow-----张量的归约
张量的归约是常见的张量降维方法，通常归约函数都有一个维度作为参数，沿着该维度来执行指定的操作。如果axis为None，那么将归约的张量降维到一个标。
常见的归约函数：
（1）tf.reduce_sum(input_tensor, axis=None, keepdims=False, name=None)
沿着维度axis计算该维度所有元素的和。如果keepdims=True，那么维度被保留。如果axis没有指定，归约为标量。
import tensorflow as tf
x = tf.constant([[1,1,1], [1,1,1]]#shape=(2,3)
a = tf.reduce_sum(x)#没有指定维度，归约为标量，a = 6
b = tf.reduce_sum(x,axis=0)#沿着维度0进行归约
#b = [2,2,2]#shape = (3)
c = tf.reduce_sum(x, axis=1)#沿着维度1进行归约
#c = [3,3]
d = tf.reduce_sum(x, axis=1, keepdims=True)#沿着维度1进行归约，保留该维度，长度为1
#d = [[3], [3]]
#d.shape = (2,1)。由x.shape=(2,3)变为d.shape=(2,1)
e = tf.reduce_sum(x, axis=[0,1])#先沿着维度0进行归约求和，然后再沿着维度1进行归约求和
'''
[[1,1,1],
[1,1,1]] ==> [2,2,2] ==> 6
'''
（2）tf.reduce_min(input_tensor, axis=None, keepdims=False)
取维度axis上所有元素中的最小元素。
（3）tf.reduce_max(input_tensor, axis=None, keepdims=False)
取维度axis上所有元素中的最大元素。
（4）tf.reduce_prod(input_tensor, axis=None, keepdims=False)
计算维度axis上所有元素的乘积。
（5）tf.reduce_mean(input_tensor, axis=None, keepdims=False)
计算维度axis上所有元素的平均值。
（6）tf.reduce_all(input_tensor, axis=None, keepdims=False)
计算维度axis上所有元素的“逻辑与运算”。
import tensorflow as tf
x = tf.constant([[True, True], [False, False]]
a = tf.reduce_all(x) #[False]
b = tf.reduce_all(x, axis=0) #[False, False]
c = tf.reduce_all(x, axis=1) #[True, False]
（7）（6）tf.reduce_any(input_tensor, axis=None, keepdims=False)
计算维度axis上所有元素的“逻辑或运算”。
import tensorflow as tf
x = tf.constant([[True, True], [False, False]]
a = tf.reduce_any(x) #[True]
b = tf.reduce_all(x, axis=0) #[True, True]
c = tf.reduce_all(x, axis=1) #[True, False]
（8）tf.reduce_join(input_tensor, axis=None, keepdims=False)
沿着给定的维度axis，对字符串进行连接操作
import tensorflow as tf
x = tf.constant([['a', 'b'], ['c', 'd']]
a = tf.reduce_join(x) #['abcd']
b = tf.reduce_all(x, axis=0) #['ac', 'bd']
c = tf.reduce_all(x, axis=1) #['ab', 'cd']
（9）tf.count_nonzero(input_tensor, axis=None, keepdims=False)
计算维度axis上所有非零元素的个数。