今天在學習過程中產生了一個小疑問，現記錄如下：
在利用TensorFlow搭建圖像分類器中 cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits（），
這個函數把交叉熵和softmax函數寫在一起，是可以提高運算速度嗎？還是僅僅把減少代碼行數呢？
我以前的做法是先用softmax求出需要被識別的物體在每個類別的概率，再計算交叉熵。
因爲softmax層並不會改變最終的分類結果（排序），所以tensorflow將softmax層與交叉熵函數進行封裝，形成一個函數方便計算：tf.nn.softmax_cross_entropy_with_logits（logits= , labels=）。
但是我剛剛說的函數在這基礎上多了一個sparse。
我的理解是原本是拿獨熱碼計算比如要識別的東西是第5個，就是000010（這是沒有sparse的情形）
然後有了sparse的話就是5，是直接用標籤計算交叉熵所以可以加速計算進程，不過這樣應該只適用於只有一個分類結果的情形。