交叉熵主要用于分类问题 求概率的损失值的运算
import tensorflow as tf
H ( p , q ) = − ∑ j = 1 n p ( x j ) l n q ( x j ) H(p,q)=-\sum_{j=1}^{n}p(x_{j})lnq(x_{j}) H(p,q)=−∑j=1np(xj)lnq(xj)
表示为p、q之间概率的运算
原标签以整数形式、预测标签以独热编码形式
y_true = [1, 2] # 正确标签
y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]] # 预测标签 分类的概率（独热编码）
loss = tf.keras.losses.SparseCategoricalCrossentropy() # 稀疏分类交叉熵
loss(y_true, y_pred).numpy()
1.1769392