Python 如何在Tensorflow中进行列求和？

在Tensorflow中，以下内容的等价物是什么

np.sum(A, axis=1)

---

还有tf.reduce_sum，这是一个更强大的工具

# 'x' is [[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

---

检查文档更新链接的文档，这正是我要找的，谢谢！为什么这不在howto网站上？你能详细说明一下为什么

tf.reduce_sum（x，[0，1]）=>6

？我被它绊倒了。@Lemer-你要求TF在两个轴上求和-0和1，所以因为矩阵是2D，所以你得到的是所有元素的完整和。一般来说，KD张量和L轴上的求和得到（K-L）D张量，因此对于K=L，它总是输出一个浮点（0D张量）。轴=1和轴=-1之间有什么区别吗？@LYu我认为根据python语法，轴=-1是张量的最后一个轴，所以在这个特定情况下，它们是相同的。对于ND张量，这两个是不同的。