sparse_softmax_cross_entropy_with_logits 和 softmax_cross_entropy_with_logits 有什么区别? [英] What's the difference between sparse_softmax_cross_entropy_with_logits and softmax_cross_entropy_with_logits?
问题描述
我最近遇到了 tf.nn.sparse_softmax_cross_entropy_with_logits 我可以不知道与 tf.nn.softmax_cross_entropy_with_logits 相比有何不同.
I recently came across tf.nn.sparse_softmax_cross_entropy_with_logits and I can not figure out what the difference is compared to tf.nn.softmax_cross_entropy_with_logits.
唯一的区别是训练向量 y 必须是 one-hot 编码 使用 sparse_softmax_cross_entropy_with_logits 时?
Is the only difference that training vectors y have to be one-hot encoded when using sparse_softmax_cross_entropy_with_logits?
阅读 API 时，我找不到与 softmax_cross_entropy_with_logits 相比的任何其他差异.但是为什么我们需要额外的功能呢?
Reading the API, I was unable to find any other difference compared to softmax_cross_entropy_with_logits. But why do we need the extra function then?
softmax_cross_entropy_with_logits 是否应该产生与 sparse_softmax_cross_entropy_with_logits 相同的结果，如果它提供了 one-hot 编码的训练数据/向量?
Shouldn't softmax_cross_entropy_with_logits produce the same results as sparse_softmax_cross_entropy_with_logits, if it is supplied with one-hot encoded training data/vectors?
推荐答案
拥有两个不同的功能是一个方便，因为它们产生相同的结果.
Having two different functions is a convenience, as they produce the same result.
区别很简单:
- 对于
sparse_softmax_cross_entropy_with_logits，标签必须具有 [batch_size] 形状和数据类型 int32 或 int64.每个标签都是[0, num_classes-1]范围内的 int. - 对于
softmax_cross_entropy_with_logits，标签必须具有形状[batch_size, num_classes] 和dtype float32 或float64.
- For
sparse_softmax_cross_entropy_with_logits, labels must have the shape [batch_size] and the dtype int32 or int64. Each label is an int in range[0, num_classes-1]. - For
softmax_cross_entropy_with_logits, labels must have the shape [batch_size, num_classes] and dtype float32 or float64.
softmax_cross_entropy_with_logits 中使用的标签是 sparse_softmax_cross_entropy_with_logits 中使用的标签的一个热门版本.
Labels used in softmax_cross_entropy_with_logits are the one hot version of labels used in sparse_softmax_cross_entropy_with_logits.
另一个微小的区别是，使用 sparse_softmax_cross_entropy_with_logits，您可以将 -1 作为标签，以便在该标签上损失 0.
Another tiny difference is that with sparse_softmax_cross_entropy_with_logits, you can give -1 as a label to have loss 0 on this label.
这篇关于sparse_softmax_cross_entropy_with_logits 和 softmax_cross_entropy_with_logits 有什么区别?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
