一直對TF中tensor的reduce操作涉及的axis（reduction_indices）計算一知半解，這里系統總結一下，避免繼續走彎路：
1.本質上來說，reduce_xxx都是降維操作，沿某個axis進行降維，不管是求和還是取平均值，總之需要消滅這一維度。
2.默認axis值為none，也即是降為0維，變為一個數值了
3.假定Tensor T的維度dim = k，那么axis = k-1代表基於最里面的維度進行計算，axis = 0 代表基於最外層的維度進行計算
[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
[[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]]
如果計算tf.reduce_sum(tensor, axis=0)，axis=0說明是按第一個維度（最外層的2）進行求和，也就是說把
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]
和
[[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]相加，所以第一個維度（也就是2）抹去，求和結束得到的tensor是3*4（之前tensor是2*3*4），即：
[[1+13 2+14 3+15 4+16]
[5+17 6+18 7+19 8+20]
[9+21 10+22 11+23 12+24]]。
依次類推，如果axis=1，那么求和結果shape是2*4，即：
[[ 1 + 5 + 9 2 + 6+10 3 + 7+11 4 + 8+12]
[13+17+21 14+18+22 15+19+23 16+20+24]]
如果axis=2，那么求和結果shape是2*3，即：
[[1+2+3+4 5+6+7+8 9+10+11+12]
[13+14+15+16 17+18+19+20 21+22+23+24]]