图像识别常用到的函数解析

图像识别中常用到的函数解析

1.损失函数

计算labels和logits之间的交叉熵（cross entropy）

    tf.nn.softmax_cross_entropy_with_logits(
                                           _sentinel=None,
                                          labels=None,
                                          logits=None,
                                          dim=-1,
                                          name=None
                                          )

通常使用两个参数：
参数logits 为识别模型的输出结果，logits是作为softmax的输入。也就是不包含softmax层的模型的输出结果。
参数label的含义就是一个分类标签，所有类别的分类的概率，比如说[0.2,0.3,0.5]，labels的每一行必须是一个概率分布。

2. 在多个分类上的概率分布情况

  tf.nn.softmax(logits, axis=None, name=None, dim=None)

其中参数logits为模型的输出结果。
Softmax的工作则是&