tensorflow代码学习：sigmoid_cross_entropy_with_logits

1. tf.nn.sigmoid_cross_entropy_with_logits

逻辑还是非常清晰的，

1. 首先是labtel和logits，这两个的shape是相同的，然后将logits的每一个元素通过$\sigma (x)=\frac{1}{1+e^{-x}}$变换。注意，是每一个元素。
2. 将正样本对应的位置拿出来，即$C_i=1$，去匹配sigmoid之后的每个位置，计算正类的损失函数
   $$L_{pos}=-\text{log}\sigma (x)$$
3. 然后将所有为0的位置拿出来，即$C_i=0$，也就是负类，计算负类的损失函数
   $$L_{neg}=-\text{log}(1-\sigma (x))$$
4. 这个时候，因为我们是针对每一个元素计算的，所以最后得到的肯定还是一个矩阵，所以我们才需要使用tf.reduce_mean来对这个矩阵进行求均值

import numpy as np
import tensorflow as tf
 
def sigmoid(x):
    return 1.0/(1+np.exp(-x))
 
labels=np.array([[1.,0.,0.],[0.,1.,0.],[0.,0.,1.],[0.,1.,0.]])
logits=np.array([[1.,2.,3.],[4.,5.,6.