我想使用tensorflow内置的交叉熵函数。但是，在文档中，我正在阅读
Do not call this op with the output of softmax, as it will produce incorrect results.
https://www.tensorflow.org/api_docs/python/tf/nn/softmax_cross_entropy_with_logits
就像经常做的那样，我在最后一个输出层中使用了 softmax 激活，但是:
result = tf.layers.dense(input=dropout, classes_num, tf.nn.softmax)
因此，使用此功能是不正确的，还是文档不正确？我不明白这一点，我会感谢一个简短的解释。 (那么哪个 TensorFlow 成本函数适合用于 softmax 输出层？)
请您参考如下方法:
由于 tf.nn.softmax_cross_entropy_with_logits 在内部计算其输入的 softmax(以数字稳定的方式)，您必须定义您的网络才能使用线性激活函数:tf .身份
result = tf.layers.dense(input=dropout, classes_num, tf.identity)
此外，一旦网络经过训练并且您想使用该模型进行推理，您必须将激活替换为 softmax。
因此，在您的代码中引入一个 is_training python bool 变量，并在您训练或测试时使用它来更改您的模型定义。
result = tf.layers.dense(input=dropout, classes_num,
tf.identity if is_training else tf.nn.softmax)
