tensorflow交叉熵损失函数

在分类的时候，一般采用交叉熵损失函数，然而今天用tensorflow做分类的时候，发现采用tensorflow的自用函数，和自己写的，计算出来的结果不一样。
而且采用自己实现时，我出现了loss为nan的情况

# tensorflow自带
loss = tf.reduce_mean(
		tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=y_conv)
)

## 自己实现交叉熵损失函数
# pred = tf.nn.softmax(y_conv)
# loss = tf.reduce_mean(-tf.reduce_sum(y * tf.log(pred)))

验证程序

import tensorflow as tf
sess = tf.Session()
a = tf.constant([[ 0.1, 0.4], [ 1, 1.2]], dtype=tf.float32)
y = tf.constant([[ 0, 1], [ 1, 0]], dtype=tf.float32)

pred = tf.nn.softmax(a)
loss = tf.reduce_mean(-tf.reduce_sum(y * tf.log(pred)))
sess.run(loss)
>>> 1.3524942
loss1 = tf.reduce_mean(
		tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=pred)
)
sess.run(loss1)
>>>0.6828476