关于tensorflow中维度的问题

一直对TF中tensor的reduce操作涉及的axis（reduction_indices）计算一知半解，这里系统总结一下，避免继续走弯路：

1.本质上来说，reduce_xxx都是降维操作，沿某个axis进行降维，不管是求和还是取平均值，总之需要消灭这一维度。

2.默认axis值为none，也即是降为0维，变为一个数值了

3.假定Tensor T的维度dim = k，那么axis = k-1代表基于最里面的维度进行计算，axis = 0 代表基于最外层的维度进行计算

 

给出一个2*3*4的tensor。

[[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]]

[[13 14 15 16]

[17 18 19 20]

[21 22 23 24]]]

如果计算tf.reduce_sum(tensor, axis=0)，axis=0说明是按第一个维度（最外层的2）进行求和，也就是说把

[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]

和

[[13 14 15 16]

[17 18 19 20]

[21 22 23 24]]相加，所以第一个维度（也就是2）抹去，求和结束得到的tensor是3*4（之前tensor是2*3*4），即：

[[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，即：

[[ 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，即：

[[1+2+3+4 5+6+7+8 9+10+11+12]

[13+14+15+16 17+18+19+20 21+22+23+24]]