都是计算多分类crossentropy的，只是对y的格式要求不同。 1）如果是categorical_crossentropy，那y必须是one-hot处理过的 2）如果是sparse_categorical_crossentropy，那y就是原始的整数形式 ...

From：https://jovianlin.io/cat-crossentropy-vs-sparse-cat-crossentropy/ categorical_crossentropy 和 sparse_categorical_crossentropy 的区别 ...

对于二分类问题，损失函数用binary_crossentropy 对于多分类问题 　　如果label是one-hot编码，用categorical_crossentropy 　　如果label是整数编码，用sparse_categorical_crossentropy 　　 备注 ...

TensorFlow中，categorical_crossentropy和sparse_categorical_crossentropy都是交叉熵损失函数，它们的数学意义相同，区别仅在于适用于不同的类别标签编码格式。当输入数据的类别标签采用独热编码（OneHot Encoding）格式时，模型应 ...

categorical_crossentropy和binary_crossentropy的区别 一、总结 一句话总结： A)、见名知意即可，其实从名字上也可以看出来binary=二元，不可以用于多分类任务， B)、简单地说，binary_crossentropy经常搭配sigmoid分类 ...

keras model.compile(loss='目标函数 ', optimizer='adam', metrics=['accuracy']) ...

只能说官方的命名有点太随意，使用上二者有点细微区别。 一般compile的时候，使用的是小写的binary_crossentropy ...

np_utils.to_categorical用于将标签转化为形如(nb_samples, nb_classes)的二值序列。假设num_classes = 10。如将[1,2,3,……4]转化成：[[0,1,0,0,0,0,0,0][0,0,1,0,0,0,0,0 ...