softmax_cross_entropy_with_logitsはsoftmax_cross_entropy_with_logits_v2とどう違うのですか？

具体的には、私はこの声明について疑問に思うだろう：

TensorFlowの将来のメジャーバージョンでは、デフォルトでbackpropのラベル入力に勾配が流れるようになります。

を使用すると表示されますtf.nn.softmax_cross_entropy_with_logits。同じメッセージの中で、それを見ることを促しますtf.nn.softmax_cross_entropy_with_logits_v2。私はドキュメントを調べましたが、それは次のことだけを述べていtf.nn.softmax_cross_entropy_with_logits_v2ます：

バックプロパゲーションは、ロジットとラベルの両方に発生します。ラベルへの逆伝播を禁止するには、この関数にフィードする前にstop_gradientsにラベルテンソルを渡します。

反対に、tf.nn.softmax_cross_entropy_with_logits「S：

バックプロパゲーションはロジットにのみ発生します。

件名が非常に新しいので（基本的なチュートリアルを進めようとしています）、これらのステートメントはあまり明確ではありません。私は逆伝播の浅い理解を持っていますが、前のステートメントは実際には何を意味しますか？バックプロパゲーションとラベルはどのように接続されていますか？そして、これtf.nn.softmax_cross_entropy_with_logits_v2はオリジナルとは対照的に私がどのように働くかをどのように変えますか？

教師付き学習ではラベルに逆伝播する必要がないため、混乱する理由があります。それらは固定グラウンドトゥルースと見なされ、それらに一致するように調整する必要があるのは重みのみです。

ただし、場合によっては、ラベル自体が差別化可能なソースである別のネットワークからのものである可能性があります。一例は敵対学習です。この場合、両方のネットワークがエラー信号の恩恵を受ける可能性があります。それtf.nn.softmax_cross_entropy_with_logits_v2が導入された理由です。ラベルがプレースホルダーである場合（これも一般的です）、グラデーションを適用する変数がないため、グラデーションが流れるかどうかに違いはありません。