在計算損失時，通常會用到reduce_sum()函式來進行求和，但是在使用過程中常常會搞不清楚具體是怎樣進行計算的，通過查閱資料，逐漸搞清楚了這個函式的用法，下面就來詳細解釋一下。

在TensorFlow官方文件中有這樣的解釋：

其實在reduce_sum()中，是從維度上去考慮的。其中的引數reduction_indices很容易搞蒙圈，上個圖加深理解吧。

呼叫reduce_sum(arg1, arg2)時，引數arg1即為要求和的資料，arg2有兩個取值分別為0和1，通常用reduction_indices=[0]或reduction_indices=[1]來給arg2傳遞引數。從上圖可以看出，當arg2 = 0時，是縱向對矩陣求和，原來矩陣有幾列最後就得到幾個值；相似地，當arg2 = 1時，是橫向對矩陣求和，原來矩陣有幾行最後就得到幾個值；當省略arg2引數時，預設對矩陣所有元素進行求和，最後得到一個值。

看到這裡，函式名的字首為什麼是reduce_其實也就很容易理解了，reduce就是“對矩陣降維”的含義，下劃線後面的部分就是降維的方式，在reduce_sum()中就是按照求和的方式對矩陣降維。那麼其他reduce字首的函式也舉一反三了，比如reduce_mean()就是按照某個維度求平均值，等等。

--------------------- 本文來自 閃電小飛豬 的CSDN 部落格 ，全文地址請點選：https://blog.csdn.net/chengshuhao1991/article/details/78545723?utm_source=copy