tensorflow cross_entropy 四种交叉熵计算函数
Tensorflow交叉熵函数：cross_entropy
以下交叉熵计算函数输入中的
logits
都不是softmax或sigmoid的输出，因为它在函数内部进行了sigmoid或softmax操作
tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)
_sentinel:本质上是不用的参数，不用填
labels:一个和logits具有相同的数据类型（type）和尺寸形状（shape）的张量（tensor）
shape:[batch_size,num_classes],单样本是[num_classes]
logits:一个数据类型（type）是float32或float64的张量
name:操作的名字，可填可不填
它对于输入的logits先通过sigmoid函数计算，再计算它们的交叉熵，但是它对交叉熵的计算方式进行了优化，使得结果不至于溢出
它适用于每个类别相互独立但互不排斥的情况：例如一幅图可以同时包含一条狗和一只大象
tf.nn.softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, dim=-1, name=None)
_sentinel:本质上是不用的参数，不用填
labels:每一行labels[i]必须是一个有效的概率分布，
one_hot=True(向量中只有一个值为1，其他值为0)
logits：labels和logits具有相同的数据类型（type）和尺寸（shape）
shape:[batch_size,num_classes],单样本是[num_classes]
name:操作的名字，可填可不填
它对于输入的logits先通过softmax函数计算
它适用于每个类别相互独立且排斥的情况，一幅图只能属于一类，而不能同时包含一条狗和一只大象
tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)
_sentinel:本质上是不用的参数，不用填
labels:shape为[batch_size],labels[i]是[0,num_classes)的一个索引, type为int32或int64
logits：shape为[batch_size,num_classes],type为float32或float64
name:操作的名字，可填可不填
它适用于每个类别相互独立且排斥的情况，一幅图只能属于一类，而不能同时包含一条狗和一只大象
tf.nn.weighted_cross_entropy_with_logits(labels, logits, pos_weight, name=None)
计算具有权重的sigmoid交叉熵
sigmoid_cross_entropy_with_logits（）
_sentinel:本质上是不用的参数，不用填
labels:一个和logits具有相同的数据类型（type）和尺寸形状（shape）的张量（tensor）
shape:[batch_size,num_classes],单样本是[num_classes]
logits:一个数据类型（type）是float32或float64的张量
pos_weight:正样本的一个系数
name:操作的名字，可填可不
计算公式：
pos_weight*labels * -log(sigmoid(logits)) + (1 - labels) * -log(1 - sigmoid(logits))