TensorFlow中，categorical_crossentropy和sparse_categorical_crossentropy都是交叉熵损失函数，它们的数学意义相同，区别仅在于适用于不同的类别标签编码格式。
当输入数据的类别标签采用独热编码（OneHot Encoding）格式时，模型应采用 categorical_crossentropy 损失函数；当输入数据的类别标签采用序号编码（Label Encoding）格式时，模型应采用 sparse_categorical_crossentropy 损失函数。
以水果分类任务为例：
| 标签类别 | 独热编码 | 序号编码 |
|---|---|---|
| 橘子 | (1, 0, 0, 0, 0) | 0 |
| 苹果 | (0, 1, 0, 0, 0) | 1 |
| 香蕉 | (0, 0, 1, 0, 0) | 2 |
| 梨 | (0, 0, 0, 1, 0) | 3 |
| 西瓜 | (0, 0, 0, 0, 1) | 4 |
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：TensorFlow中两种多分类损失函数categorical_crossentropy和sparse_categorical_crossentropy间的区别 - Python技术站
微信扫一扫 
支付宝扫一扫 
