Я переводил пример mnist в https://www.tensorflow.org/tutorials/ для tflearn от keras.Тем не менее, в tflearn не было sparse_categorical_crossentropy, только категорический_crosssentropy.Таким образом, мне пришлось преобразовать все векторы y (которые представляли собой целое число 1 ... 10, указывающее, какому классу принадлежит изображение в наборе данных) в вектор 1x10 вида [0 ... 1 ... 0].
В Керасе я могу просто переключаться между sparse_categorical_crossentropy и categoryorical_crossentropy в зависимости от того, является ли целью целое число для индекса или вектор вида [0 0 ... 1 ... 0].
Есть ли аналогичная функция потерь в tflearn или categoryor_crossentropy - единственный вариант?