tf.nn.softmax_cross_entropy_with_logits

softmax_cross_entropy_with_logits(
    _sentinel=None,
    labels=None,
    logits=None,
    dim=-1,
    name=None
)

Measures the probability error in discrete classification tasks in which the classes are mutually exclusive (each entry is in exactly one class). For example, each CIFAR-10 image is labeled with one and only one label: an image can be a dog or a truck, but not both.

也就说这个方法只能用于测量离散分类任务中的概率误差，其中类是相互排斥的。 例如，每个CIFAR-10图像都有且仅有一个标签：图像可以是狗或卡车，但不能同时包含卡车和狗

举例：

 cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = py_X, labels = input_Y))

logits是神经网络最后一层的输出，对这一层（logits=py_X）计算softmax，得到输出属于每一类的概率。在根据前面计算出类别概率和实际的类（input_Y）计算出交叉熵。