Tensorflow Keras 交叉熵損失與 output 上的線性激活

Question

在 PyTorch 中，交叉熵損失 function 類似於

CrossEntropyLoss(x, y) = H(one_hot(y), softmax(x))

所以你可以有一個線性 output 層。 有沒有辦法用 tf.keras.Sequential 做到這一點？
我為 MNIST 寫了這個小 CNN

model = tf.keras.Sequential()
model.add(tfkl.Input(shape=(28, 28, 1)))
model.add(tfkl.Conv2D(32, (5, 5), padding="valid", activation=tf.nn.relu))
model.add(tfkl.MaxPool2D((2, 2)))
model.add(tfkl.Conv2D(64, (5, 5), padding="valid", activation=tf.nn.relu))
model.add(tfkl.MaxPool2D((2, 2)))
model.add(tfkl.Flatten())
model.add(tfkl.Dense(1024, activation=tf.nn.relu))
model.add(tfkl.Dense(10, activation=tf.nn.softmax))


model.compile(optimizer="adam",
              loss="sparse_categorical_crossentropy",
              metrics=["accuracy"])
model.summary()
model.fit(x_train, y_train, epochs=1)

我想擁有

model.add(tfkl.Dense(10))

作為最后一層。
我正在嘗試實現 ADef 算法，但梯度 wrt 的條目。 輸入似乎太小了，我猜用線性 output 他們會是對的。
我知道有 tf.nn.softmax_cross_entropy_with_logits 但我不知道如何在這種情況下使用它。

編輯：
改變

model.compile(optimizer="adam",
              loss="sparse_categorical_crossentropy",
              metrics=["accuracy"])

至

model.compile(optimizer="adam",
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=["accuracy"])

成功了。

Answer 1

謝謝@Moe1234。 為了社區的利益，在這里提供解決方案

更改后問題已解決

model.compile(optimizer="adam",
              loss="sparse_categorical_crossentropy",
              metrics=["accuracy"])

至

model.compile(optimizer="adam",
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=["accuracy"])