矩阵多维度求和

import numpy as np
x=np.arange(48).reshape(6,8)
x.sum(axis=1)
x.sum(axis=0)
通常遇到的都是二维矩阵在一个维度上进行求和
看下面这个例子：
x=np.arange(48).reshape(2,2,3,4)
x.sum(axis=(0,2,3))
在三个维度上面求和，得到的结果应该是什么？

前言：

四维矩阵各位置代表的含义：

(批量大小，通道，高，宽)，批量大小可以理解为样本的多少

x的形状应该是这个样子的：

使用图形表示可以更好的理解：

回归正题：

x=np.arange(48).reshape(2,2,3,4)
x.sum(axis=(0,2,3))

我们可以这样理解：
①先看2和3，把它理解为二维矩阵的0和1，每一个3×4矩阵分别按行和列求和

先按行：

再按列：

②0相当于在批量大小维度进行相加，即把(1)(2)进行相加（横向）

最后得到的结果是

思考：

如果x.sum(axis=(1,2,3))得到的结果应该是什么？

①还是把2和3理解为二维矩阵的0和1，这一步没有变化
②1也就是在通道维度进行相加，即①②方向

结果为：

由此我们也可以得出一个结论：

axis=()，这里面缺少哪个数字最后得到的结果就是几维向量

例如x.sum(axis=(0,1,2))，缺少3，那么最后得到的结果就是一个3维向量