分类问题的损失函数使用方法

1、binary_crossentropy

用于二分类，输出层激活函数是sigmoid，样本的标签是labels向量的index，是一维的0或者1。输出也是1维的概率，大于0.5则分类为1，小于0.5则分类为0。

2、SparseCategoricalCrossentropy

用于多分类，输出层激活函数是softmax，样本的标签是labels向量的index，是一维的0,1,2,...n。

输出是含有n个元素的向量，代表属于各个类别的概率。

3、categorical_crossentropy

用于多分类，输出层激活函数是softmax，样本的标签是labels向量，例如四分类为[0,0,1,0]，

输出也是含有n个元素的向量，代表属于各个类别的概率。

上述三个损失函数都可以接受一个参数from_logits。该参数默认值为False，若设置为True，会将y_pred转化为概率（用相应的sigmoid或者softmax）,否则不进行转换，通常情况下用True结果更稳定。