tensorflow里面集成了许多基于统计的数学函数，类似于reduce_sum,reduce_mean,reduce_min,reduce_max,等，根据字面意思分别是求和，求平均，求最大，求最小等
reduce_sum() 就是求和，由于求和的对象是tensor，所以是沿着tensor的某些维度求和。reduction_indices是指沿tensor的哪些维度求和，下面以一个例子形容维度求和的具体操作：
下面是个2*3*4的tensor。
[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
[[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]]
如果计算tf.reduce_sum(tensor, axis=0)，axis=0说明是按第一个维度进行求和，也就是说把
[[ 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，所以第一个维度（也就是2）抹去，求和结束得到的tensor_ans是3*4（之前tensor是2*3*4）。显然tensor_ans的元素分别是1+13;2+14;3+15……;12+24。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]]。
依次类推，如果axis=1，那么求和结果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，那么求和结果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]]