深度学习分类模型用到的函数

tf.reduce_mean函数：计算数据的平均值

tf.reduce_mean(
	input_tensor, 
	axis=None, 
	keep_dims=False, 
	name=None, 
	reduction_indices=None
)

sparse_categorical_crossentropy函数：与categorical_crossentropy函数一样都是交叉熵损失函数，如果样本标签是one-hot编码(如[0,1],[1,0])，则用categorical_crossentropy函数。如果样本标签是数字编码(如2,0,1)，则用sparse_categorical_crossentropy函数。crossentropy的博客公式理解。

sparse_categorical_accuracy函数：准确率。

与categorical_accuracy一样，都是检查y_true中的值(本身就是index)与y_pred中最大值对应的index是否相等。与categorical_accuracy不同的是，针对稀疏情况的多分类，这里y_true就是真实类的index整数。

tf.keras.metrics，metrics是一个py脚本：定义性能指标。

1.tf.keras.metrics.Accuracy

2.tf.keras.metrics.BinaryAccuracy

3.tf.keras.metrics.BinaryCrossentropy

4.tf.keras.metrics.CategoricalAccuracy

5.tf.keras.metrics.CategoricalCrossentropy

6.tf.keras.metrics.SparseCategoricalAccuracy

7.tf.keras.metrics.SparseCategoricalCrossentropy