tensorflow-softmax回归及交叉熵函数

tensorflow中有两个直接计算softmax回归和交叉熵的函数，softmax回归说法不太合适，其只是根据神经网络输出计算分类的概率。第一种函数为：

cross_entropy = tf.nn.softmax_cross_entropy_with_logits(y,  y_)

其中y为原始神经网络的输出结果，而y_为给出的标准答案，两者都为[None, num_classes]的rank。

如y=[10.0,  112.0,  -1.0]，而y_为[1.0,  0.0,  0.0]

第二种为：

cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y,  labels=tf.argmax(y_, 1))

同样y为原始神经网络的输出结果，而y_为给出的标准答案，两者都为[None, num_classes]的rank，y=[10.0,  112.0,  -1.0]，而y_为[1.0,  0.0,  0.0]，所以logits为[None, num_classes], labels为[None,]，此时labels为标准答案的索引，这样只有一个分类结果，可以加速运算。