tf.nn.softmax_cross_entropy_with_logits 将在未来弃用

访问tensorflow的官网API页面以获得完整信息：tf.nn.softmax_cross_entropy_with_logits。

在分类问题中，经常会用到交叉熵损失，如果用tensorflow框架，那么就经常会用到softmax_cross_entropy_with_logits这个函数，如今TensorFlow更新到了r1.8，如今这个函数迎来了一个巨大的变化。这个函数有着两个主要的输入参数，如：

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

其中的logit指的是未经过softmax变换输出的（也就是未经过尺度变化的）原始输出，这个函数内部会进行softmax操作以保证最高的效率，但是，这个函数的梯度流只会传播到logits上，而不会传播到labels中，也就是说，如果这个labels也是由一个网络$F_{W}$生成的，而且需要更新学习这个网络$F_W$，那么用这个函数就无能为力了。因此在TensorFlow r1.8中推荐使用tf.nn.softmax_cross_entropy_with_logits_v2，其和前者大同小异，唯一的差别就是可以将梯度流传播到logits和labels中，如果实在不想要梯度流传播到labels中，可以在输入labels之前使用tf.stop_gradient()以阻断梯度流。

为了和以后的版本兼容，建议以后弃用tf.nn.softmax_cross_entropy_with_logits而改用tf.nn.softmax_cross_entropy_with_logits_v2。