TensorFlow学习笔记(3)——softmax_cross_entropy_with_logits函数详解

softmax_cross_entropy_with_logits函数原型：

tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=pred, name=None)
函数功能：计算最后一层是softmax层的cross entropy，把softmax计算与cross entropy计算放到一起了，用一个函数来实现，用来提高程序的运行速度。


参数name：该操作的name


参数labels：shape是[batch_size, num_classes]，神经网络期望输出。


参数logits：shape是[batch_size, num_classes] ，神经网络最后一层的输入。

具体的执行流程大概分为两步：

第一步是对网络最后一层的输出做一个softmax，这一步通常是求取输出属于某一类的概率，对于单样本而言，输出就是一个 num_classes 大小的向量（[Y1，Y2，Y3，...]其中Y1，Y2，Y3，...分别代表了是属于该类的概率）




第二步是softmax的输出向量[Y1，Y2，Y3，...]和样本的实际标签做一个交叉熵，




指实际标签中第i个的值；

指softmax的输出向量[Y1，Y2,Y3...]中，第i个元素的值。




总之，tensorflow之所以把softmax和cross entropy放到一个函数里计算，就是为了提高运算速度。