tf.nn.sparse_softmax_cross_entropy_with_logits()和tf.nn.softmax_cross_entropy_with_logits()的区别与内容

tf.nn.sparse_softmax_cross_entropy_with_logits(labels,logits)

多了一步稀疏编码，所以labels只需要输入不同的数值带表不同的类别即可，例如[1,2,3,3,2,1]

tf.nn.softmax_cross_entropy_with_logits(labels，logits)

则没有稀疏编码，所以需要输入的labels即为one-hot编码，如[[1,0,0],[0,1,0],[0,0,1],[0,0,1],[0,1,0],[1,0,0]]

搞清楚输入后，具体是进行以下操作：

y = softmax(logits)

entropy(y)

这里softmax和entropy的公式就不写了，网上都有。

最终输出的是一个损失，如果不想加入其他操作，直接扔到train里面就可以了