如何选择张量流中的交叉熵损失？

Question

如何选择张量流中的交叉熵损失？分类问题，例如逻辑回归或多项逻辑回归，优化了交叉熵损失。通常，交叉熵层遵循softmax层，其产生概率分布。在tensorflow中，至少有十几种不同的交叉熵损失函数：tf.losses.softmax_cross_entropytf.losses.sparse_softmax_cross_entropytf.losses.sigmoid_cross_entropytf.contrib.losses.softmax_cross_entropytf.contrib.losses.sigmoid_cross_entropytf.nn.softmax_cross_entropy_with_logitstf.nn.sigmoid_cross_entropy_with_logits...哪个只适用于二进制分类，哪个适用于多类问题？你何时应该使用sigmoid而不是softmax？如何在sparse功能与别人不同，为什么仅是它softmax？

Answer 1

但是对于版本1.5，softmax_cross_entropy_with_logits_v2必须使用它，而使用其参数argument key=...如下>

softmax_cross_entropy_with_logits_v2(_sentinel=None, labels=y,\
logits = my_prediction, dim=-1, name=None)