在文档中已经提到y_pred需要在 [-inf to inf] when 的范围内from_logits=True。我真的不明白这是什么意思，因为概率需要在 0 到 1 的范围内！有人可以用简单的话解释一下使用的效果from_logits=True吗？
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
该from_logits=True属性通知损失函数模型生成的输出值未标准化，即 logits。换句话说，softmax 函数没有应用于它们来产生概率分布。因此，这种情况下的输出层没有softmax激活函数：
out = tf.keras.layers.Dense(n_units) # <-- linear activation function
softmax 函数将通过损失函数自动应用于输出值。from_logits=False因此，当您在最后一层使用（默认）和 softmax 激活函数时，这与场景没有区别；但是，在某些情况下，这可能有助于模型训练期间的数值稳定性。您可能还会发现this和this的答案与 时的数值稳定性相关且有用from_logits=True。