tensorflow将张量在某一维度相加

在TensorFlow中，将张量在某一维度上相加通常使用`tf.reduce_sum`函数或者`tf.add_n`函数。这两种方法都可以实现沿指定维度对张量元素求和的功能。下面会介绍这两种方法的具体使用方式。

1. `tf.reduce_sum`函数可以对输入的张量在指定维度上进行元素求和操作。参数`axis`用于指定需要进行求和的维度。如果`axis`是一个列表，那么会在列表中的所有维度上进行求和操作。`tf.reduce_sum`还会自动去除求和轴的维度，如果不想去除可以使用`keep_dims=True`参数。

示例代码：

import tensorflow as tf

# 创建一个3维张量
tensor = tf.constant([[[1, 2], [3, 4]],
                      [[5, 6], [7, 8]],
                      [[9, 10], [11, 12]]])

# 在第一个维度上进行求和
result = tf.reduce_sum(tensor, axis=0)
print(result.eval())  # 输出 [[15, 18], [21, 24]]

# 保持求和轴的维度
result = tf.reduce_sum(tensor, axis=0, keepdims=True)
print(result.eval())  # 输出 [[[15, 18], [21, 24]]]

2. `tf.add_n`函数可以将多个张量进行元素级的相加。这个函数接收一个张量列表作为输入，并返回一个新张量，该张量包含输入列表中所有张量在相同位置上元素的和。

示例代码：

import tensorflow as tf

# 创建三个3维张量
tensor1 = tf.constant([[[1, 2], [3, 4]],
                       [[5, 6], [7, 8]],
                       [[9, 10], [11, 12]]])

tensor2 = tf.constant([[[1, 1], [1, 1]],
                       [[1, 1], [1, 1]],
                       [[1, 1], [1, 1]]])

tensor3 = tf.constant([[[1, 1], [1, 1]],
                       [[1, 1], [1, 1]],
                       [[1, 1], [1, 1]]])

# 将三个张量相加
result = tf.add_n([tensor1, tensor2, tensor3])
print(result.eval())  # 输出 [[3, 4], [5, 6], [7, 8]]

需要注意的是，`tf.add_n`函数会返回一个新的张量，其尺寸与输入张量的尺寸一致，因此如果要在某个维度上相加，通常会将需要相加的张量尺寸调整到一致。