一、reduce系列函数（维度操作）
1、tf.reduce_sum( input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None ) //求和
input_tensor:表示输入
axis:表示在那个维度进行sum操作。
keep_dims:表示是否保留原始数据的维度，False相当于执行完后原始数据就会少一个维度。
reduction_indices:为了跟旧版本的兼容，现在已经不使用了。
# ‘x‘ is [[1, 1, 1]
# [1, 1, 1]]
tf.reduce_sum(x) ==> 6
tf.reduce_sum(x, 0) ==> [2, 2, 2]
tf.reduce_sum(x, 1) ==> [3, 3]
tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]]
tf.reduce_sum(x, [0, 1]) ==> 6
2、tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)//求平均值
input_tensor:表示输入
axis:表示在那个维度进行sum操作。
keep_dims:表示是否保留原始数据的维度，False相当于执行完后原始数据就会少一个维度。
# ‘x‘ is [[1., 2.]
# [3., 4.]]
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] #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
3、tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None) //求最大值
# ‘x‘ is [[1., 2.]
# [3., 4.]]
tf.reduce_max(x) ==> 4 #如果不指定第二个参数，那么就在所有的元素中取最大值
tf.reduce_max(x, 0) ==> [3., 4.] #指定第二个参数为0，则第一维的元素取最大值，即每一列求最大值
tf.reduce_max(x, 1) ==> [2, 4] #指定第二个参数为1，则第二维的元素取最大值，即每一行求最大值
