tf.reduce_sum维度上相加的理解

由一个例子为例
import tensorflow as tf
a = tf.constant([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
b = tf.reduce_sum(a, 0, keepdims=True)
sess = tf.Session()
sess.run(b)
我们把每一个元素进行编号
[[[1,2,3],[4,5,6]]
[[7,8,9],[10,11,12]]]
1->1_1_1。。。。。。2->1_1_2。。。。。。3->1_1_3
4->1_2_1。。。。。。5->1_2_2。。。。。。6->1_2_3

7->2_1_1。。。。。。。8->2_1_2。。。。。。9->2_1_3
10->2_2_1。。。。。。11->2_2_2。。。。。。12->2_2_3
在axis=0上求和就是在0维上相加，而1维和2维不变，即
1_1_1+2_1_1=1+7=8
1_1_2+2_1_2=2+8=10
1_1_3+2_1_3=3+9=12
1_2_1+2_2_1=4+10=14
1_2_2+2_2_2=5+11=16
1_2_3+2_2_3=6+12=18
输出：
[[[ 8, 10, 12], [14, 16, 18]]]

在axis=1上求和就是在1维上相加，而0维和2维不变，即
1_1_1+1_2_1=5
1_1_2+1_2_2=7
1_1_3+2_2_3=9

2_1_1+2_2_1=17
2_1_2+2_2_2=19
2_1_3+2_2_3=21
输出：
[[[ 5, 7, 9]],[[17, 19, 21]]]

在axis=2上求和就是在2维上相加，而0维和1维不变，即
1_1_1+1_1_2+1_1_3=6
1_2_1+1_2_2+1_2_3=15

2_1_1+2_1_2+2_1_3=24
2_2_1+2_2_2+2_2_3=33
输出：
[[[ 6],[15]],[[24],[33]]]
本人愚见，错误之处请多包涵。