tf.nn.sparse_softmax_cross_entropy_with_logits的用法

tf.nn.sparse_softmax_cross_entropy_with_logits(y, tf.argmax(y_)):

y表示的是实际类别，y_表示预测结果，这实际上面是把原来的神经网络输出层的softmax和cross_entrop何在一起计算，为了追求速度。

例如：

import tensorflow as tf;    
import numpy as np;    
import matplotlib.pyplot as plt;    
    
y2 = tf.convert_to_tensor([[0, 0, 1, 0]], dtype=tf.int64)  
y_2 = tf.convert_to_tensor([[-2.6, -1.7, 3.2, 0.1]], dtype=tf.float32)  
c2 = tf.nn.sparse_softmax_cross_entropy_with_logits(y_2, tf.argmax(y2, 1))  
  
y3 = tf.convert_to_tensor([[0, 0, 1, 0], [0, 0, 1, 0]], dtype=tf.int64)  
y_3 = tf.convert_to_tensor([[-2.6, -1.7, -3.2, 0.1], [-2.6, -1.7, 3.2, 0.1]], dtype=tf.float32)  
c3 = tf.nn.sparse_softmax_cross_entropy_with_logits(y_3, tf.argmax(y3, 1))  
  
y4 = tf.convert_to_tensor([[0, 1, 0, 0]], dtype=tf.int64)  
y_4 = tf.convert_to_tensor([[-2.6, -1.7, -3.2, 0.1]], dtype=tf.float32)  
c4 = tf.nn.sparse_softmax_cross_entropy_with_logits(y_4, tf.argmax(y4, 1))  
  
with tf.Session() as sess:  
    print 'c2: ' , sess.run(c2)  
    print 'c3: ' , sess.run(c3)  
    print 'c4: ' , sess.run(c4)  

输出：

c2:  [ 0.05403676]
c3:  [ 3.53853464  0.05403676]
c4:  [ 2.03853464]