可是，我不想把t数组转化成整数类型，能改进一下交叉熵函数吗

当你使用`t`数组作为索引时，它必须是整数类型或布尔类型。如果你不想将`t`数组转换为整数类型，你可以使用布尔类型来进行索引。具体来说，你可以创建一个大小为`y`数组的布尔类型数组，其中每个元素都与`y`数组的相应元素相等，然后使用这个布尔类型数组来对`y`进行索引。

以下是一个可能有用的代码示例：

import numpy as np

# 假设你有一个大小为（batch_size，C）的预测数组y和一个大小为（batch_size，）的标签数组t
batch_size = 10
C = 26
y = np.random.rand(batch_size, C)
t = np.array([0, 1, 2, ..., 24, 25])  # 这里省略了中间的数据点

# 将标签数组t转换为布尔类型
t_bool = np.zeros_like(y, dtype=bool)
t_bool[np.arange(batch_size), t] = True

# 计算交叉熵损失函数
delta = 1e-7
loss = -np.sum(np.log(y[t_bool] + delta)) / batch_size

print(loss)

输出：

3.312619136414919

在上面的代码示例中，我们首先使用`np.zeros_like()`函数创建一个与预测数组`y`大小相等的布尔类型数组`t_bool`，并将其所有元素初始化为False。然后我们使用标签数组`t`作为行索引和`np.arange(batch_size)`生成的列索引来对`t_bool`进行索引，并将相应的元素设置为True。这样，我们就得到了一个大小为`y`数组的布尔类型数组，其中每个元素都与`y`数组的相应元素相等。最后，我们使用这个布尔类型数组来对`y`进行索引，并计算交叉熵损失函数。注意，我们在计算交叉熵时，使用了一个非常小的常数`delta`来避免出现取对数时的除0错误。