在tensorflow的入門教程中，有使用mnist資料集搭建了一層的簡單網路，然後在在計算輸出及loss的時候, 使用到了 softmax_cross_entropy_with_logits ，同時 tensorflow中還有sparse_ softmax_cross_entropy_with_logits，這兩個的意義是基本相同的，那它們有什麼區別呢？

如果看tensorflow原始碼，比較容易能看出來這兩者的區別。

 以基本的mnist分類場景有例，mnist有10類，訓練時的batch size為batch_num

（1） 則若使用 softmax_cross_entropy_with_logits， 則其labels引數需要是一個[batch_size, 10]的矩陣，其中每行代表一個instance, 是one hot的形式，其非0 index代表屬於哪一類。

（2）若使用sparse_softmax_cross_entropy_with_logits， 則其Labels引數是一個[batch_size]的列，裡面每個屬於0到9中間的整數，代表類別，所以函式名稱加了sparse, 類似稀疏表示。