Tensorflow 我应该使用什么损失函数和指标来训练RNN返回一系列类别？

我正在尝试训练一个模型，该模型返回一个单词序列类（RNN）

我为我的模型提供了一系列嵌入：

[batchSize，sequence\u length，word\u embedding]作为float[]

并返回一个热阵列序列：

[批量大小、序列长度、类数]为bool[]

我将其与相同格式的基本事实相比较

---

因此，我想知道：

我应该使用什么

loss

我应该报告什么

指标来跟踪所取得的进展

---

听起来像是在训练一个系统来执行多类分类，其中每个样本恰好属于一组已知的类中的一个。对于此任务，常用的选择是使用

category\u crossentropy

或

sparse\u category\u crossentropy

有关损失的定义，请参见此处：

请参见此处，以获取使用的基本示例（在python中，但JS API匹配）。

---

你能分享一下在stackblitz上制作代码片段的模型吗？谢谢，我只是想确认一下，

category\u crossentropy

不会因为序列中的每个元素都有自己的类别而感到困惑，但它似乎确实有效。