基于维度的算术操作
TensorFlow中，tf.reduce_*一系列操作等都造成张量维度的减少。这一系列操作都可以对一个张量在维度上的元素进行操作，如按行求平均，求取张量中所有元素的乘积等。
常用的包括：tf.reduce_sum(加法)、tf.reduce_prod（乘法）、tf.reduce_min（最小）、tf.reduce_max（最大）、tf.reduce_mean（均值）、tf.reduce_all（逻辑和）、tf.reduce_any（逻辑或）和tf.reduce_logsumexp（log(sum(exp)))操作）等。
这些操作的使用方法都相似，下面只演示tf.reduce_sum的操作案例。
计算一个张量的各个维度上元素的总和
tf.reduce_sum(input_tensor, axis=None, keepdims=False,name=None)：
input_tensor：输入张量；
axis：指定需要计算的轴，如果不指定，则计算所有元素的均值;
keepdims：是否降维度，设置为 True，输出的结果保持输入 tensor 的形状，设置为 False，输出结果会降低维度;
name：操作名称。
代码：
reduce_sample_1 = tf.constant([1,2,3,4,5,6],shape=[2,3])
print("原始数据",reduce_sample_1.numpy())
print("计算张量中所有元素的和（axis=None）：",tf.reduce_sum(reduce_sample_1,axis=None).numpy())
print("按列计算，分别计算各列的和（axis=0）：",tf.reduce_sum(reduce_sample_1,axis=0).numpy())
print("按行计算，分别计算各列的和（axis=1）：",tf.reduce_sum(reduce_sample_1,axis=1).numpy())
输出：
原始数据 [[1 2 3]
[4 5 6]]
计算张量中所有元素的和（axis=None）： 21
按行计算，取出行，分别计算各列的和（axis=0）： [5 7 9]
按列计算，取出列，分别计算各列的和（axis=1）： [ 6 15]
