版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014772246/article/details/84973358
在用python使用TensorFlow的时候：
tf.reduce_sum函数中reduction_indices参数表示函数的处理维度。
reduction_indices参数的值默认的时候为None,默认把所有的数据求和，即结果是一维的。
reduction_indices参数的值为0的时候，是第0维对应位置相加。
reduction_indices参数的值为1的时候，是第1维对应位置相加。
以此类推。
Talk is cheap. Show me the code.
代码解释：
# tf.reduce_sum函数中reduction_indices参数的使用：
import numpy as np
import tensorflow as tf
a = np.array([[1, 2, 3], [4, 5, 6]])
b = tf.reduce_sum(a, reduction_indices=[0])
c = tf.reduce_sum(a, reduction_indices=[1])
d = tf.reduce_sum(a)
with tf.Session() as sess:
# tf.reduce_sum函数中reduction_indices参数的使用：
# reduction_indices表示函数的处理维度
b_result, c_result, d_result = sess.run([b, c, d])
print("原数据a：")
print(a)
print("a的形状：", a.shape)
print("reduction_indices参数的值为0的时候：")
print("b=tf.reduce_sum(a, reduction_indices=[0])=", b_result)
print("reduction_indices参数的值为1的时候：")
print("c=tf.reduce_sum(a, reduction_indices=[1])=", c_result)
print("reduction_indices参数的值默认的时候为None,默认所有求和，即一维的：")
print("d=tf.reduce_sum(a)=", d_result)
运行结果如下：
