【学习笔记】GAN模型的学习（8）———两种loss

1 引言
今天学长说要像饿狼一样啃这份代码，虽然有点困难，但是对未来会一直有帮助

2 函数解析

def sparse_softmax_cross_entropy_with_logits(
    _sentinel=None,  # pylint: disable=invalid-name
    labels=None,
    logits=None,
    name=None):

传入的logits为神经网络输出层的输出，shape为[batch_size，num_classes]，传入的label为一个一维的vector，长度等于batch_size，每一个值的取值区间必须是[0，num_classes)，其实每一个值就是代表了batch中对应样本的类别

【TensorFlow】关于tf.nn.sparse_softmax_cross_entropy_with_logits()

tf.nn.sparse_softmax_cross_entropy_with_logits(logits=D_x,labels=tf.ones_like(D_x)

在我们这里呢我们的logits=D_x也就是输入真实图片是discriminator输出的评分，由于我们的batch_size是1，所以是一个[1,1]的张量。labels=tf.ones_like(D_x)给定一个张量 (D_x))，这个操作返回一个与 D_x 类型和形状相同的张量，所有元素都设置为 1，所以label也是一个[1,1]的张量，我们来算他们的交叉熵

<