Tensorflow函数tf.losses.log_loss()

tf.losses.log_loss(
    labels,    #真实的输出张量,与“predictions”相同.
    predictions,    #预测的输出.
    weights=1.0,   #可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1,或者与相应的losses维度相同).
    epsilon=1e-07,    #要添加的小增量,以避免占用零的日志.
    scope=None,    #计算loss时执行的操作范围.
    loss_collection=tf.GraphKeys.LOSSES,    #将添加loss的集合.
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS    #适用于loss的减少类型.
)

计算labels和predictions的log损失（即交叉熵），后再乘以weights
log损失和交叉熵的关系可以看下面这篇博客
https://blog.csdn.net/google19890102/article/details/79496256