小编xia*_*awi的帖子

在 Tensorflow2 中，我可以使用类tf.keras.losses.CategoricalCrossentropy（此处定义）或函数categorical_crossentropy（此处定义）来计算标签和预测之间的交叉熵损失：

对于第一个，代码是：

     loss_object = tf.keras.losses.SparseCategoricalCrossentropy()
     # ...
     @tf.function
     def train_step(samples, labels):
        with tf.GradientTape() as tape:
          predictions = model(samples)
          loss = loss_object(labels, predictions)
        #...

第二个更直接：

   @tf.function
    def forward(features, training=False):
        predictions = model.call(...)
        loss = tf.losses.categorical_crossentropy(
                y_true=features['label'],
                y_pred=predictions)
        return loss, predictions

数值结果是一样的。但是我想知道是否有更有效的方法？或者更一般地说，根据某些特定情况应该使用哪一个？

请注意，对于API 定义的任何类/函数，问题可能都是相同的

我正在尝试导出module.exports对象中的多个参数。基本上是一个常数和一个函数。但我收到以下错误：

类型错误：add 不是一个函数。

第一个文件：

        const name = 'Mike'

        const add = function (x,y){
            return x+y
        }

        module.exports = name,add();

第二个文件：

        const add = require ('./utils.js');
        const name  = require ('./utils.js');