如何在tensorflow的model_with_buckets中使用sampled_softmax_loss函数？

Question

在tensorflow的model_with_buckets api函数中，有一个名为softmax_loss_function的参数，其签名是Function（标签，logits） - ＆gt;损失批次。

site:twitter.com "https://example.com"

分配softmax_loss_function的传统方法是使用softmax_cross_entropy_with_logits之类的东西：

def model_with_buckets(
    encoder_inputs,
    decoder_inputs,
    targets,
    weights,
    buckets,
    seq2seq,
    softmax_loss_function=None,
    per_example_loss=False,
    name=None
)

虽然sampled_softmax_loss函数具有以下定义：

def softmax_cross_entropy_with_logits(
    _sentinel=None,
    labels=None,
    logits=None,
    dim=-1,
    name=None
)

在关于将英语翻译成法国的官方tensorflow seq2seq示例中，它将samples_softmax_loss分配给model_with_bucket参数，并使用包装函数sampled_loss进行如下操作：

def sampled_softmax_loss(weights,
                     biases,
                     labels,
                     inputs,
                     num_sampled,
                     num_classes,
                     num_true=1,
                     sampled_values=None,
                     remove_accidental_hits=True,
                     partition_strategy="mod",
                     name="sampled_softmax_loss"):

这对我有用。代码运行时遇到很多错误。因为输入不等于logits。根据我的理解，logits =输入*权重+偏差。那么，在tensorflow的model_with_buckets中使用sampled_softmax_loss函数的正确方法是什么？