tf.nn.softmax_cross_entropy_with_logits(logits,labels)      #其中logits為神經網絡最後一層輸出，labels為實際的標簽，該函數返回經過softmax轉換之後並與實際值相比較得到的交叉熵損失函數的值，該函數返回向量

例：

import tensorflow as tf
logits=tf.constant([[1.0,2.0,3.0],[1.0,2.0,3.0],[1.0,2.0,3.0]])  
y=tf.nn.softmax(logits)      #計算給定輸入的softmax值
y_=tf.constant([[0.0,0.0,1.0],[0.0,0.0,1.0],[0.0,0.0,1.0]])  
cross_entropy 
 
= -tf.reduce_sum(y_*tf.log(y))   #計算交叉熵損失函數的值，返回向量，並通過tf.reduce_sum來計算均值
cross_entropy2=tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y_))    #直接計算交叉熵損失函數值
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
print(sess.run(y))
print(sess.run(cross_entropy))    #輸出結果和下面的一致
 
print(sess.run(cross_entropy2))

tensorflow函數介紹(3)