執(zhí)行tf.reduce_sum(tensor)后，tensor會降維，比如本來是3維張量，會變成2維張量。
三維張量的方向為：

重點考慮下4維張量，首先定義一個4維張量，由2個3維張量組成，每個3維張量形狀為3行4列深度為2。

import numpy as np
import tensorflow as tf

const4 = tf.constant(np.arange(0, 48, 1).reshape(2, 3, 4, 2))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(const4))

輸出結(jié)果：

[[[[ 0  1]
   [ 2  3]
   [ 4  5]
   [ 6  7]]

  [[ 8  9]
   [10 11]
   [12 13]
   [14 15]]

  [[16 17]
   [18 19]
   [20 21]
   [22 23]]]


 [[[24 25]
   [26 27]
   [28 29]
   [30 31]]

  [[32 33]
   [34 35]
   [36 37]
   [38 39]]

  [[40 41]
   [42 43]
   [44 45]
   [46 47]]]]

幾何圖可以如下示意：

axis=0

# shape = (2, 3, 4, 2)
sum1 = tf.reduce_sum(const4, axis=0)

axis=1

# shape = (2, 3, 4, 2)
sum1 = tf.reduce_sum(const4, axis=1)

axis=2

# shape = (2, 3, 4, 2)
sum1 = tf.reduce_sum(const4, axis=2)

axis=3

# shape = (2, 3, 4, 2)
sum1 = tf.reduce_sum(const4, axis=3)

小結(jié)：

1、shape屬性中的每個維度分別與axis=0，axis=1、axis=2、axis=3……對應。
2、對于3維張量，shape = (hights, weights, depths)；對于4維張量，shape = (channels， hights, weights, depths)
3、shape降維規(guī)律：假設(shè)原本shape=(a,b,c,d)，當axis=0，則變化后的shape_new=(b,c,d)；當axis=1，則變化后的shape_new=(a,c,d)；當axis=2，則變化后的shape_new=(a,b,d)；當axis=3，則變化后的shape_new=(a,b,c)。
4、執(zhí)行tf.reduce_sum()時，在對應的方向進行相加，然后按照對應的方向把獲得的幾個張量進行組合，然后在空間中旋轉(zhuǎn)使得維度滿足（3）中的規(guī)律。
5、關(guān)鍵是掌握axis的方向（1、2）和輸出的維度（3），對于（4）中如何旋轉(zhuǎn)的可以忽略。