我在尝试理解TensorFlow中的这个损失函数，但不太明白。它是SparseCategoricalCrossentropy。其他所有的损失函数都需要输出和标签具有相同形状，而这个特定的损失函数则不需要。

源代码如下：

import tensorflow as tf;scce = tf.keras.losses.SparseCategoricalCrossentropy();Loss = scce(  tf.constant([ 1,    1,    1,    2   ], tf.float32),  tf.constant([[1,2],[3,4],[5,6],[7,8]], tf.float32));print("Loss:", Loss.numpy());

错误信息如下：

InvalidArgumentError: Received a label value of 2 which is outside the valid range of [0, 2).  Label values: 1 1 1 2 [Op:SparseSoftmaxCrossEntropyWithLogits]

如何为损失函数SparseCategoricalCrossentropy提供正确的参数？

回答：

SparseCategoricalCrossentropy和CategoricalCrossentropy都计算分类交叉熵。它们的唯一区别在于目标/标签的编码方式不同。

使用SparseCategoricalCrossentropy时，目标是以类别的索引表示（从0开始）。你的输出形状为4×2，这意味着你有两个类别。因此，目标应该是一个4维向量，其条目应该是0或1。例如：

scce = tf.keras.losses.SparseCategoricalCrossentropy();Loss = scce(  tf.constant([ 0,    0,    0,    1   ], tf.float32),  tf.constant([[1,2],[3,4],[5,6],[7,8]], tf.float32))

相比之下，CategoricalCrossentropy的标签应该是一热编码的：

cce = tf.keras.losses.CategoricalCrossentropy();Loss = cce(  tf.constant([ [1,0],    [1,0],    [1, 0],   [0, 1]   ], tf.float32),  tf.constant([[1,2],[3,4],[5,6],[7,8]], tf.float32))

当你有许多类别时，SparseCategoricalCrossentropy会更加高效。