[tensorflow]softmax_cross_entropy_with_logits 及其···v2 和 sparse_softmax_cross_entropy_with_logits 异同

1、共同点

三者功能都是先计算输入 logits 的 softmax 分类，再计算与输入 labels 之间的交叉熵，最终返回的交叉熵结果相同

2、不同点

（1）softmax_cross_entropy_with_logits

已经弃用，相同功能被 softmax_cross_entropy_with_logits_v2 取代

（2）softmax_cross_entropy_with_logits_v2

labels 参数既可以接受整数形式的一维 labels，如：[0 1 2]

labels 参数也可以接受独热编码形式的 labels，如：

[[1 0 0]
 [0 1 0]
 [0 0 1]]

（3）sparse_softmax_cross_entropy_with_logits

labels 参数接受整数形式的一维 labels，如：[0 1 2]；如果训练数据是 one-hots 编码，需要使用 tf.argmax() 将 one-hots 编码形式的类别标签转换为一维整数形式的类别标签，具体操作参考下例

《TensorFlow：实战 Google 深度学习框架》p98 源码中指出“当分类问题只有一个正确答案时，可以使用这个函数加速交叉熵的计算”
---------------------  
作者：csdn-WJW  
来源：CSDN  
原文：https://blog.csdn.net/sdnuwjw/article/details/86086377  
版权声明：本文为博主原创文章，转载请附上博文链接！