tf函数

educe_sum应该理解为压缩求和，用于降维

‘x’ is [[1, 1, 1]

[1, 1, 1]]

#求和

tf.reduce_sum(x) ==> 6

#按列求和

tf.reduce_sum(x, 0) ==> [2, 2, 2]

#按行求和

tf.reduce_sum(x, 1) ==> [3, 3]

#按照行的维度求和

tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]]

#行列求和

tf.reduce_sum(x, [0, 1]) ==> 6

求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)

求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

参数1–input_tensor:待求值的tensor。

参数2–reduction_indices:在哪一维上求解。

参数（3）（4）可忽略

x = tf.constant([1,2],[3,4])

x是一个2维数组，分别调用reduce_*函数如下：
首先求平均值：

tf.reduce_mean(x) == > 2.5  # 如果不指定第二个参数，那么就在所有的元素中取平均值
tf.reduce_mean(x, 0) == > [2., 3.]  # 指定第二个参数为0，则第一维的元素取平均值，即每一列求平均值
tf.reduce_mean(x, 1) == > [1.5, 3.5]  #行求和
```指定第二个参数为1，则第二维的元素取平均值，即每一行求平均值