binary_crossentropy和categorical_crossrntropy和sparse_categorical_crossrntropy

**

binary_crossentropy和categorical_crossrntropy和sparse_categorical_crossrntropy

**
注意！！！！！：
（1）如果是二分类的话，损失函数就使用binary_crossentropy

（2）如果是多分类的话，那么分成两种情况：一、分类标签是由单个数字代替的，那么损失函数使用sparse_categorical_crossrntropy。二、分类标签是由one_hot（热编码）编写的，损失函数是categorical_crossentropy

（3）还有要注意的一点是，sigmoid激活函数一般不用来做多分类，而是用来做二分类，它是将一个标量数字转换到[0,1]之间，如果大于一个概率阈值(一般是0.5)，则认为属于某个类别，否则不属于某个类别。这一属性使得其适合应用于多标签分类之中，在多标签分类中，大多使用binary_crossentropy,在实际应用中，一般将softmax用于多类分类的使用之中，并将损失函数设置为categorical_crossentropy损失函数：

输出层的分类数据预测的激活函数应该是sigmoid，如果是回归函数预测应该是relu

参考链接：https://blog.csdn.net/uncle_ll/article/details/82778750