tf.reduce_sum

用于在某个维度求和

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。 

例子：

import tensorflow as tf
import numpy as np
a = [[[1,2], [3,4], [5,6],[7,8]]]

with tf.Session() as session:
    print("========在所有维度求和===================")
    print(session.run(tf.reduce_sum(a)))
    print("========在0维求和========================")
    print(session.run(tf.reduce_sum(a, axis=0)))
    print("========在0维求和，不降维================")
    print(session.run(tf.reduce_sum(a, axis=0, keepdims=True)))
    print("========在1维求和========================")
    print(session.run(tf.reduce_sum(a, axis=1)))
    print("========在1维求和，不降维================")
    print(session.run(tf.reduce_sum(a, axis=1, keepdims=True)))
    print("========在2维求和========================")
    print(session.run(tf.reduce_sum(a, axis=2)))
    print("========在2维求和，不降维================")
    print(session.run(tf.reduce_sum(a, axis=2, keepdims=True)))

输出：

========在所有维度求和===================
36
========在0维求和========================
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
========在0维求和，不降维================
[[[1 2]
  [3 4]
  [5 6]
  [7 8]]]
========在1维求和========================
[[16 20]]
========在1维求和，不降维================
[[[16 20]]]
========在2维求和========================
[[ 3  7 11 15]]
========在2维求和，不降维================
[[[ 3]
  [ 7]
  [11]
  [15]]] 

结合例子和输出我们说明下。a是一个三维向量。

在第0维，只有一个元素，这个元素是一个二维向量

[[1 2]
 [3 4]
 [5 6]
 [7 8]] 

所以在第0维求和，就是这个元素本身。

在第1维，有四个元素，每个元素是一维向量，分别是

[1,2], [3,4], [5,6],[7,8]

所以在第1维求和，对应位置相加，就是

[[16 20]]

所谓降维与不降维可以简单的理解为去不去掉一个括号（维度）