Tensorflow，Tensorflow的sparse_categorical_crossentropy中from_logits = True或False是什么意思？

在张量流2.0中， 有一个损失函数叫做

tf.keras.losses.sparse_categorical_crossentropy(labels, targets, from_logits = False)

请问设置 from_logits = True 和 False 有什么区别？ 我的猜测是，当传入值是 logits 时，您设置 from_logits = True，如果传入值是概率（由 softmax 等输出），那么您只需设置 from_logits = False （这是默认设置）。

但为什么？损失只是一些计算。为什么它的传入值需要有所不同？ 我还在google的tensorflow教程中看到https://www.tensorflow.org/alpha/tutorials/sequences/text_ Generation https://www.tensorflow.org/alpha/tutorials/sequences/text_generation即使最后一层的传入值是 logits，它也不会设置 from_logits = True。 这是代码

@tf.function
def train_step(inp, target):
  with tf.GradientTape() as tape:
    predictions = model(inp)
    loss = tf.reduce_mean(
        tf.keras.losses.sparse_categorical_crossentropy(target, predictions))
  grads = tape.gradient(loss, model.trainable_variables)
  optimizer.apply_gradients(zip(grads, model.trainable_variables))

  return loss

模型在哪里

 model = tf.keras.Sequential([
    tf.keras.layers.Embedding(vocab_size, embedding_dim, 
                              batch_input_shape=[batch_size, None]),
    tf.keras.layers.LSTM(rnn_units, 
                        return_sequences=True, 
                        stateful=True, 
                        recurrent_initializer='glorot_uniform'),
    tf.keras.layers.Dense(vocab_size)
  ])

它没有最后一层softmax。 （此外，在本教程的另一部分中，它设置了 from_logits = True）

那么，我设置为True与否并不重要吗？

迪帕克提到的帖子有一些数学背景。

但为了简单起见， from_logits=True 意味着 crossEntropy 层的输入是正常张量/logits，而如果 from_logits=False ，意味着输入是概率，通常你应该在最后一层进行一些 softmax 激活。