tensorflow的reduce函数系列维度解析

tf.reduce_mean/tf.reduce_sum/tf.reduce_max/tf.reduce_min等等函数的参数中都有一个axis的问题，当axis=None时，看成是对所有元素进行mean/sum/max等等操作，最终结果为一个数。但当axis有值时，表示要操作的维度，但什么是要操作的维度呢？理解了半天，最后画了张图（运行tf.reduce_sum）进行解析：

如图所示，以三维矩阵为例，左边原始矩阵大小为（4，2，3），看法：先看最外层中括号（红的内有四个绿的），再看内层中括号（绿的内有两个蓝的），最后看最里层中括号（蓝的内有三个元素），依次得到（ 4,  2，3 ）

图中最右侧是设置不同axis时的结果，当axis=0时，结果大小为（2, 3），依次类推。

如何得出：通过观察可知axis=n，表示去掉原始大小的第n+1个维度（图中红框覆盖掉的值）而保留其他两个维度值。形象地说，去掉“4”，相当于在4个的方向上压缩成1，正好对着原始矩阵可以看成从上到下压成一个（用sum方法）；去掉“2”，相当于在2个的方向上压缩成1，对着原始矩阵可以看每排两个压成一个（用sum方法）；去掉“3”，相当于在3个的方向上压缩成1，对着原始矩阵可以看成每个蓝色框里三个压成一个（用sum方法）。

其他方式mean/max/min/all/any等等那些的类推。axis表征维度的理解上都是一样的。