具体来说，我想我想知道这个说法：

默认情况下，TensorFlow 的未来主要版本将允许梯度流入 backprop 上的标签输入。

当我使用tf.nn.softmax_cross_entropy_with_logits. 在同一条消息中，它敦促我查看tf.nn.softmax_cross_entropy_with_logits_v2. 我查看了文档，但它只指出tf.nn.softmax_cross_entropy_with_logits_v2：

反向传播将同时发生在 logits 和标签中。要禁止反向传播到标签，请在将标签张量提供给此函数之前通过 stop_gradients 传递标签张量。

与tf.nn.softmax_cross_entropy_with_logits's 相反：

反向传播只会发生在 logits 中。

作为这个主题的新手（我正在尝试通过一些基本教程），这些陈述不是很清楚。我对反向传播的理解很浅，但是前面的陈述实际上是什么意思？反向传播和标签是如何连接的？tf.nn.softmax_cross_entropy_with_logits_v2与原版相比，这将如何改变我的工作方式？