categorical_crossentropy与sparse_categorical_crossentropy到底有什么区别呢？

categorical_crossentropy和sparse_categorical_crossentropy两者到底有何区别？

如果 labels 是 one-hot 编码，用 categorical_crossentropy

one-hot 编码：
　　[[0, 0, 0],
　　 [1, 0, 0],
　　 [0, 1, 0]]
　　 每条每一行是一个label的编码，1所在的位置代表label

如果你的 tagets 是 数字编码 ，用 sparse_categorical_crossentropy

数字编码：[3, 1, 2, 6, 26]
　　每个数字就是label
这两个函数在数学上没有本质区别，只是接口不一样，那么如何取舍呢？
可以看到sparse，是稀疏的意思，所谓labels稀疏就是：假如你label有好几百类，上千类，那么one-hot编码出来的矩阵，绝大多数数据就是0，毕竟每行中只有一个1。这就是稀疏数据，所以这样的数据就干脆不要one-hot了
对于类别较多的数据，不要选用one-hot,而用数字编码 (sparse_categorical_crossentropy)
而对于类别比较少的数据，就可以选用one-hot（categorical_crossentropy）