Keras损失函数：categorical_crossentropy和sparse_categorical_crossentropy的区别

按照keras之父的书中所写：

• 如果 labels 是 one-hot 编码，用 categorical_crossentropy
  　　one-hot 编码：
  　　[[0, 1, 0],
  　　 [1, 0, 0],
  　　 [0, 0, 1]]
  　　 每条每一行是一个label的编码，1所在的位置代表label
• 如果你的 tagets 是 数字编码 ，用 sparse_categorical_crossentropy
  　　数字编码：[2, 0, 1, 5, 19]
  　　每个数字就是label

书中写道：这两个函数在数学上没有本质区别，只是接口不一样，那么如何取舍呢？

• 可以看到sparse，是稀疏的意思，所谓labels稀疏就是：假如你label有好几百类，上千类，那么one-hot编码出来的矩阵，绝大多数数据就是0，毕竟每行中只有一个1。这就是稀疏数据，所以这样的数据就干脆不要one-hot了

• 而对于类别比较少的数据，就可以选用one-hot

更具体的参考keras文档：https://keras-cn-docs.readthedocs.io/zh_CN/latest/other/metrices/