这篇博客详细介绍了TensorFlow中用于图像分类的三种交叉熵损失函数：sparse_softmax_cross_entropy_with_logits、softmax_cross_entropy_with_logits_v2以及softmax_cross_entropy_with_logits。重点讨论了它们的用法、区别和适用场景，特别提到了sparse_softmax_cross_entropy_with_logits适用于标签是单个分类的情况。
tensorflow 图像分类问题中，常用的交叉熵损失计算有三个函数：
tf.nn.softmax_cross_entropy_with_logitstf.nn.softmax_cross_entropy_with_logits_v2tf.nn.sparse_softmax_cross_entropy_with_logits简单记录一下这三个函数的用法，免得自己后面再忘记了。
softmax_cross_entropy_with_logits该函数的声明如下：
def softmax_cross_entropy_with_logits(
_sentinel=None, # pylint: disable=invalid-name
labels=None,
log
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
6091
