交叉熵损失函数之前是否需要加 softmax 函数？

在我的理解里面，交叉熵（ cross-entry)损失函数中的 log 能够抵消 softmax 函数中的 exp.使得梯度能够更好的反向传播。
在看 niftyNet 代码的时候，发现如下内容：
在__init__中：

 if data_loss_function_name.startswith('cross_entropy') \ or 'xent' in data_loss_function_name: tf.logging.info( 'Cross entropy loss function calls ' 'tf.nn.sparse_softmax_cross_entropy_with_logits ' 'which always performs a softmax internally.') self._softmax = False 

在 layer_op 中

 if self._softmax: pred_b = tf.cast(pred_b, dtype=tf.float32) pred_b = tf.nn.softmax(pred_b) 

为什么损失函数是 cross_entropy 的时候，不需要进行 softmax?