tensorflow 中 sparse_softmax_cross_entropy_with_logits 与 softmax_cross_entropy_with_logits区别

在tensorflow的入门教程中，有使用mnist数据集搭建了一层的简单网络，然后在在计算输出及loss的时候, 使用到了 softmax_cross_entropy_with_logits ，同时 tensorflow中还有sparse_ softmax_cross_entropy_with_logits，这两个的意义是基本相同的，那它们有什么区别呢？

如果看tensorflow源码，比较容易能看出来这两者的区别。

 以基本的mnist分类场景有例，mnist有10类，训练时的batch size为batch_num

（1） 则若使用 softmax_cross_entropy_with_logits， 则其labels参数需要是一个[batch_size, 10]的矩阵，其中每行代表一个instance, 是one hot的形式，其非0 index代表属于哪一类。

（2）若使用sparse_softmax_cross_entropy_with_logits， 则其Labels参数是一个[batch_size]的列，里面每个属于0到9中间的整数，代表类别，所以函数名称加了sparse, 类似稀疏表示。