python中的.sum(axis=*)的解释

关于.sum(axis=)的解释
axis = 0的代码：

import torch
c = torch.Tensor([[[1,2],[3,4]],[[11,12],[13,14]]])
print(c.shape)
print(c.sum(axis=0))

输出:

torch.Size([2, 2, 2])
tensor([[12., 14.],
        [16., 18.]])

设计一个2X2X2的Tensor，axis=0求和就是各个矩阵对应的位置求和（两个单位块做块与块之间的运算）
做完加法后本应是[[[12, 14], [16, 18]]]，但是移除最外层[]后，原来的三层[]变成两层[],所以返回结果为[[12, 14], [16, 18]]

axis = 1的代码：

c = torch.Tensor([[[1,2],[3,4]],[[11,12],[13,14]]])
print(c.shape)
print(c.sum(axis=1))

输出：

tensor([[ 4.,  6.],
        [24., 26.]])

axis = 1就是单个矩阵列相加（对第二外层[]里的最大单位块做块与块之间的运算,同时移除第二外层[]）

axis = 2的代码：

c = torch.Tensor([[[1,2],[3,4]],[[11,12],[13,14]]])
print(c.shape)
print(c.sum(axis=2))

结果：

tensor([[ 3.,  7.],
        [23., 27.]])

就是单个矩阵的行相加