tensorflow函数学习

squeeze 函数：从数组的形状中删除单维度条目，即把shape中为1的维度去掉

current_label = np.squeeze(current_label)

tf.nn.softmax_cross_entropy_with_logits函数：交叉熵损失函数，该函数用于计算loss，函数参数如下：  tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)第一个参数为预测样本的输出，即神经网络的最后一层输出，第二个参数为实际输入数据对应的标签值，函数实际工作有两部，softmax+cros_entropy.其中i表示对应的输出向量中的第几个，表示实际标签，y表示softmax后得到的预测标签

def get_loss(pred, label, BATCH_SIZE):
    loss = tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=label)
    classify_loss = tf.reduce_mean(loss)/BATCH_SIZE
    tf.summary.scalar('classify loss', classify_loss)