Tensorflow中的降维函数中的降维函数tf.reduce_*使用总结使用总结
在使用tensorflow时常常会使用到tf.reduce_*这类的函数，在此对一些常见的函数进行汇总
1.tf.reduce_sum
tf.reduce_sum(input_tensor ， axis = None ， keep_dims = False ， name = None ， reduction_indices = None)
参数：
input_tensor：要减少的张量。应该有数字类型。
axis：要减小的尺寸。如果为None（默认），则缩小所有尺寸。必须在范围[-rank(input_tensor), rank(input_tensor))内。
keep_dims：如果为true，则保留长度为1的缩小尺寸。
name：操作的名称（可选）。
reduction_indices：axis的废弃的名称。
返回：
该函数返回减少的张量，相当于np.sum
功能：
此函数计算一个张量的各个维度上元素的总和。
说明：
函数中的input_tensor是按照axis中已经给定的维度来减少的；除非 keep_dims 是true，否则张量的秩将在axis的每个条目中
减少1；如果keep_dims为true，则减小的维度将保留为长度1。 如果axis没有条目，则缩小所有维度，并返回具有单个元素的
张量。
举例：
x = tf.constant([[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.reduce_min
reduce_min（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）
参数：
input_tensor：减少的张量。应该有数字类型。
axis：要减小的尺寸。如果为None（默认），则缩小所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
keep_dims：如果为true，则保留长度为1的缩小维度。
name：操作的名称（可选）。
reduction_indices：axis的废弃的名称。
返回：
该函数返回减少的张量，相当于np.min
功能：
tf.reduce_min函数用来计算一个张量的各个维度上元素的最小值。
说明：
同样按照axis给定的维度减少input_tensor。除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1。如果
keep_dims为true，则减小的维度将保留为长度1。 如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。
3.reduce_max
reduce_max（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）
参数：
input_tensor：要减少的张量。应该有数字类型。
axis：要减小的尺寸。如果为 None（默认），则减少所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
keep_dims：如果为true，则保留长度为1的减少维度。
name：操作的名称（可选）。
资源评论
