企业网站建设定制开发,euorg免费域名怎么注册,企业门户网站代码设计,888网创总结： 标签为 One-hot 编码的多分类问题，用分类交叉熵对于标签为整数的多分类问题，用稀疏分类交叉熵稀疏分类交叉熵内部会将整数标签转换为 One-hot 编码，而如果标签已经是 One-hot 编码的形式，再使用稀疏分类交叉熵就会多此一举。 算例
假设我们有三个类别：A、B 和 C。…总结：
标签为 One-hot 编码的多分类问题，用分类交叉熵对于标签为整数的多分类问题，用稀疏分类交叉熵稀疏分类交叉熵内部会将整数标签转换为 One-hot 编码，而如果标签已经是 One-hot 编码的形式，再使用稀疏分类交叉熵就会多此一举。 算例
假设我们有三个类别：A、B 和 C。对于某个样本，其真实标签为 B。 使用 One-hot 编码，标签表示为：
A: [1, 0, 0]B: [0, 1, 0]C: [0, 0, 1]设模型输出的预测概率为：
A: 0.1B: 0.7C: 0.2则预测概率的向量为 [0.1, 0.7, 0.2] --分类交叉熵 其中p是真实分布（One-hot 编码），q是预测分布，
H=−[0,1,0]⋅l
