其实这两个都是计算交叉熵，只是输入数据不同。
#sparse 稀疏的、稀少的
word_labels = tf.constant([2,0])
predict_logits = tf.constant([[2.0,-1.0,3.0],[1.0,0.0,-0.5]])
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(
labels = word_labels,logits = predict_logits)
with tf.Session() as sess:
print(sess.run(loss))
#结果是：[0.32656264 0.4643688 ]
#sparse 稀疏的、稀少的
