转载总结

请参考原文连接：sparse_softmax_cross_entropy_with_logits
tf.nn.sparse_softmax_cross_entropy_with_logits与tf.nn.sofrmax_cross_entropy_with_logits有一些差异：

1，Label：onehot格式和类别格式，维度不同；
2，Logits：网络输出结果不需要再经过softmax等函数；
3，sotfmax适用于相互独立类别，sigmoid可以用于多类别；

写在前面：想做这篇很久很久了，想对比加了sparse的和不加的api有什么区别。也准备了很久，但是越准备，我的疑问就越多，所以一直没有下手写。写前一篇也是只写了个代码，没有更深入的东西，因为还有很多疑问没有解决。

tf.nn.sparse_softmax_cross_entropy_with_logits(
_sentinel=None,
labels=None,
logits=None,
name=None
)

这个api跟tf.nn.softmax_cross_entropy_with_logits_v2作用一致，是计算softmax交叉熵的。这个api的注释写了很多，重点有三：

labels的条件是互斥的，也就是说，一个样本只能被分为一类，不能有其他的类别

这跟tf.nn.softmax_cross_entropy_with_logits_v2是不一样的，因为tf.nn.softmax_cross_entropy_with_logits_v2的label是one-hot表示的，所以可以有多个类别，是哪一个就在哪个位置写1就可以了。比如

[1,1,0]

表示一个样本既属于第0类也属于第1类

而tf.nn.sparse_softmax_cross_entropy_with_logits中一个样本只能有一类，

[1,1,0]

表示一共有三个样本，第一个样本属于第1类，第二个样本属于第1类，第三个样本属于第0类。含义完全不一样！

2. api中自己有算softmax，所以输入到api的logits是没有过softmax的，即“unscaled logits”。

这个词百度不到，其实就指的是没有过softmax的logits

3. 规定了logits和labels的维度都是[batch_size, num_classes]。这是错误的！！！

但是这里我想说的是，这个注释写错了，有问题。
logits的维度是这样没错，但是labels的维度并不是。labels的长度为batch_size，里面对应的值为是哪一个维度。

上代码：

import tensorflow as tf
labels_sparse = [1, 1, 0]
labels = [[0, 1, 0], [0, 1, 0], [1, 0, 0]]
logits = tf.constant(value=[[0.3, 0.3, 0.2], [0, 1, 0.5], [1, 1, 0]],
dtype=tf.float32, shape=[3, 3])
loss = tf.nn.softmax_cross_entropy_with_logits_v2(labels=labels, logits=logits)
loss_sparse = tf.nn.sparse_softmax_cross_entropy_with_logits(
labels=labels_sparse,
logits=logits)
with tf.Session() as sess:
print('logits:', sess.run(logits))
print('tf.nn.softmax_cross_entropy_with_logits_v2:', sess.run(loss))
print('tf.nn.sparse_softmax_cross_entropy_with_logits:',
sess.run(loss_sparse))

代码中的labels_sparse和labels表示的是一个意思，不过是两种表达方式，输出的结果是一样的：

这两个api的区别就在于labels的表达方式，正因为表达方式不同，也决定了 tf.nn.sparse_softmax_cross_entropy_with_logits不能处理一个样本被分为多个类别的情况。

至此，tf.nn包中关于softmax的故事就讲完了，总结一下，一共出现了五个api：

tf.nn.softmax 这篇中讲了什么是softmax，我对softmax的理解及实际的应用场景tf.nn.logsoftmax 这篇中讲了softmax怎么计算的并且举出了例子、log_softmax与softmax的区别，以及log_softmax存在的意义。tf.nn.softmax_cross_entropy_with_logits被废弃了换成了v2tf.nn.softmax_cross_entropy_with_logits_v2 这篇中讲了softmax交叉熵loss怎么计算的，为什么要这么计算，怎么调用。tf.nn.sparse_softmax_cross_entropy_with_logits 本篇讲了与v2的区别以及稀疏的如何调用

最后

以上就是个性衬衫为你收集整理的tf.nn.sparse_softmax_cross_entropy_with_logits转载总结的全部内容，希望文章能够帮你解决tf.nn.sparse_softmax_cross_entropy_with_logits转载总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。