多分类损失函数pytorch

在PyTorch中，多分类损失函数通常使用交叉熵损失函数（CrossEntropyLoss）来计算。交叉熵损失函数是一种常用的分类损失函数，它将模型输出的概率分布与真实标签的概率分布进行比较，计算出它们之间的差异。

在PyTorch中，使用交叉熵损失函数可以通过以下代码实现：

import torch.nn as nn

# 定义交叉熵损失函数
criterion = nn.CrossEntropyLoss()

# 计算损失
loss = criterion(output, target)

其中，`output`是模型的输出，它的形状通常为`(batch_size, num_classes)`，`target`是真实标签，它的形状通常为`(batch_size,)`，表示每个样本的标签。在计算损失时，PyTorch会自动将`target`转换成一个one-hot编码的向量，以便与模型输出进行比较。

除了交叉熵损失函数外，PyTorch还提供了很多其他的损失函数，可以根据具体的需求选择合适的损失函数。