1、softmax_cross_entropy_with_logits

tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)

解释：这个函数的作用是计算 logits 经 softmax 函数激活之后的交叉熵。

对于每个独立的分类任务，这个函数是去度量概率误差。比如，在 CIFAR-10 数据集上面，每张图片只有唯一一个分类标签：一张图可能是一只狗或者一辆卡车，但绝对不可能两者都在一张图中。（这也是和 tf.nn.sigmoid_cross_entropy_with_logits(logits, targets, name=None)这个API的区别）

警告：输入API的数据 logits 不能进行缩放，因为在这个API的执行中会进行 softmax 计算，如果 logits 进行了缩放，那么会影响计算正确率。不要调用这个API区计算 softmax 的值，因为这个API最终输出的结果并不是经过 softmax 函数的值。

logits 和 labels 必须有相同的数据维度 [batch_size, num_classes]，和相同的数据类型 float32 或者 float64 。

tensorflow softmax_cross_entropy_with_logits函数

 

2、tensorflow例子

import tensorflow as tf

a=tf.constant([[1, 1, 1]],dtype=tf.float32)
b=tf.nn.softmax(a)

with tf.Session() as sess:
    print(sess.run(b))
    print(sess.run(tf.nn.softmax_cross_entropy_with_logits(logits=a,labels=[[1,1,1]])))
    sess.close()

输出结果：

[[ 0.33333334 0.33333334 0.33333334]]
[ 3.29583693]

 

tensorflow softmax_cross_entropy_with_logits函数