Tensorflow交叉熵函式：cross_entropy 以下交叉熵計算函式輸入中的logits都不是softmax或sigmoid的輸出，因為它在函式內部進行了sigmoid或softmax操作 tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None) _sentinel:本質上是不用的引數，不用填 labels:一個和logits具有相同的資料型別（type）和尺寸形狀（shape）的張量（tensor） shape:[batch_size,num_classes],單樣本是[num_classes] logits:一個數據型別（type）是float32或float64的張量 name:操作的名字，可填可不填 它對於輸入的logits先通過sigmoid函式計算，再計算它們的交叉熵，但是它對交叉熵的計算方式進行了優化，使得結果不至於溢位 它適用於每個類別相互獨立但互不排斥的情況：例如一幅圖可以同時包含一條狗和一隻大象 tf.nn.softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, dim=-1, name=None) _sentinel:本質上是不用的引數，不用填 labels:每一行labels[i]必須是一個有效的概率分佈，one_hot=True(向量中只有一個值為1，其他值為0) logits：labels和logits具有相同的資料型別（type）和尺寸（shape） shape:[batch_size,num_classes],單樣本是[num_classes] name:操作的名字，可填可不填 它對於輸入的logits先通過softmax函式計算 它適用於每個類別相互獨立且排斥的情況，一幅圖只能屬於一類，而不能同時包含一條狗和一隻大象 tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None) _sentinel:本質上是不用的引數，不用填 labels:shape為[batch_size],labels[i]是[0,num_classes)的一個索引, type為int32或int64 logits：shape為[batch_size,num_classes],type為float32或float64 name:操作的名字，可填可不填 它適用於每個類別相互獨立且排斥的情況，一幅圖只能屬於一類，而不能同時包含一條狗和一隻大象 tf.nn.weighted_cross_entropy_with_logits(labels, logits, pos_weight, name=None) 計算具有權重的sigmoid交叉熵sigmoid_cross_entropy_with_logits（） _sentinel:本質上是不用的引數，不用填 labels:一個和logits具有相同的資料型別（type）和尺寸形狀（shape）的張量（tensor） shape:[batch_size,num_classes],單樣本是[num_classes] logits:一個數據型別（type）是float32或float64的張量 pos_weight:正樣本的一個係數 name:操作的名字，可填可不 計算公式： pos_weight*labels * -log(sigmoid(logits)) + (1 - labels) * -log(1 - sigmoid(logits))