我尝试使用 SparseCategoricalCrossEntropy 进行一些自定义设置，但当概率总和不等于1时，我发现结果与预期不符。
我是不是理解错了什么？它在底层做了什么？
回答：
让我们看看keras 对 numpy 的损失函数实现：
def categorical_crossentropy(target, output, from_logits=False):
if from_logits:
output = softmax(output)
else:
output /= output.sum(axis=-1, keepdims=True)
output = np.clip(output, 1e-7, 1 - 1e-7)
return np.sum(target * -np.log(output), axis=-1, keepdims=False)如你所见，输出被所有概率的总和所除，因此我们有：
-np.log(.89/(.5 + .89 + .6)) # 0.8046684549923527