秒懂，视觉化理解 tf.reduce_sum()函数和tf.reduce_mean()函数

reduce的意思 是降维，因为经过这些运算，输入的tensor可以降低1个维度或多个维度。

reduce_sum() 用于计算张量tensor沿着某一维度的和，在求和后降维。

举个 2 * 3 * 4 的tensor 作例子：

[[[ 1   2   3   4]
  [ 5   6   7   8]
  [ 9   10 11 12]],
 [[ 13  14 15 16]
  [ 17  18 19 20]
  [ 21  22 23 24]]]

画出来是这样的

为了方便，我们把数字都去掉，再上色。最终是：

2层（方块黄色方向，维度0，axis=0），

3行（方块蓝色方向，维度1，axis=1），

4列（方块红色方向，维度2，axis=2）

---

 tf.reduce_sum(tensor, axis=0)，       #  axis=0 ，按第一个维度求和。

计算过程是沿着axis=0 方向，将数据相加，维度从（2,3,4）到（3,4）。降低了一个维度。

结果：

shape是（3，4）

[[1+13   2+14   3+15 4+16]
 [5+17   6+18   7+19 8+20]
 [9+21 10+22 11+23 12+24]]

---

依次类推，如果axis=1，那么求和结果：

shape是（2，4）

[[ 1 + 5 + 9   2 + 6+10   3 + 7+11   4 + 8+12]
 [13+17+21     14+18+22   15+19+23   16+20+24]]

---

如果axis=2，那么求和结果：

shape是（2，3）

[[1+2+3+4          5+6+7+8          9+10+11+12]
 [13+14+15+16      17+18+19+20      1+22+23+24]]

---

如果axis 省略，那么求和结果：

shape是（1，）

---

---

 tf.reduce_mean()函数 也近似，不再作图。

---

---

参考文件： https://www.jianshu.com/p/30b40b504bae