reduce_sum()
reduce_sum() 函数由reduce和sum两个单词组成函数名，从字面意思上讲是减少和求和的意思，这让人感到莫名其妙。
reduce_sum() 函数确实有减少和求和两层意思，但减少和求和的作用对象却不一样：
reduce在函数中应该翻译成降维或者塌缩的意思，他的作用对象是维度，而sum求和便是求指定维度的数据和。
reduction_indices参数
举一个二维数组的例子：
x= [[1, 1, 1]，
[1, 1, 1]]
#求和
tf.reduce_sum(x) ==> 6
#按列求和
tf.reduce_sum(x, 0) ==> [2, 2, 2]
#按行求和
tf.reduce_sum(x, 1) ==> [3, 3]
#按照行的维度求和
tf.reduce_sum(x, 1, keep_dims=True)\
==> [[3], [3]]
#行列求和
tf.reduce_sum(x, [0, 1]) ==> 6reduction_indices参数有两个取值分别为0和1，通常用reduction_indices=[0]或reduction_indices=[1]来传递参数。从上图可以看出，当 0时，是纵向对矩阵求和，原来矩阵有几列就得到几个值；相似地，当1时，是横向对矩阵求和；当省略reduction_indices参数时，默认对矩阵所有元素进行求和。
下面我们举一个三维数组的例子
a=[ [[1,2], [3,4]], [[5,6], [7,8]] ]想要了解reduce_sum()函数，我们首先要了解数组的纬度坐标，对于数组a来说[[1,2],[[5,6]], [[3,4], [7,8]]的纬度坐标是0，[1,2]，[3,4]，[5,6]，[7,8]这4个数组的纬度坐标是1,而1，2，3，4，5，6，7，8这8个数的纬度坐标是2。即每消除一个[]方括号,纬度坐标加一.
axis参数
适用多维
reduce_sum() 函数使用axis（轴）作为多维数组每个维度的坐标。
tf.reduce_sum(a, axis=1)在维数1的层面上进行求和，也就是[1,2]，[3,4]，[5,6]，[7,8]这四个数组上进行求和，（两两一组，因为前两个和后两个的地位相同）
在axis=1的维度进行相加也就是[1,2]+[3,4]=[4,6]，[5,6]+[7,8]=[12, 14]
降一个维度，也就是说“掉一层方括号”，得出[[ 4, 6], [12, 14]]
keepdims参数
顾名思义，保留维度，
tf.reduce_sum(a, axis=1, keepdims=True)得出[[[ 4, 6]], [[12, 14]]]，没有去除方括号。适合reduce完了要和别的同维元素相加的情况
参考资料：
http://hp.stuhome.net/index.php/2018/03/19/tensorflow-reduce_sum-meaning/