Android tensorflow 函数学习

下面简单记录下了解的函数

1.tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)

该函数主要完成两步：
1).将数据 logits 传入softmax 函数处理得到数据 Y

2).将处理的数据Y 与 label数据进行交叉熵处理

#!/user/bin/env python
import tensorflow as tf  
#输入数据
logit=tf.constant([[1.0,2.0,3.0],[1.0,2.0,3.0],[1.0,2.0,3.0]])  
#第一步完成 softmax  
y=tf.nn.softmax(logit)  
#true label  
y_=tf.constant([[0.0,0.0,1.0],[0.0,0.0,1.0],[0.0,0.0,1.0]])  
#第二步完成交叉熵 y_*tf.log(y)，然后带入到reduce_sum 
cross_entropy = -tf.reduce_sum(y_*tf.log(y))  
#一步完成softmax 和 交叉熵  
cross_entropy2=tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits=logit, labels=y_))    #dont forget tf.reduce_sum()!!  

with tf.Session() as sess:  
    softmax=sess.run(y)  
    c_e = sess.run(cross_entropy)  
    c_e2 = sess.run(cross_entropy2)  
    print("step1:softmax result=")  
    print(softmax)  
    print("step2:cross_entropy result=")  
    print(c_e)  
    print("Function(softmax_cross_entropy_with_logits) result=")  
    print(c_e2)

结果如下：

参考文献：
https://www.cnblogs.com/welhzh/p/6595032.html