nn.BCELoss()该如何使用？

`nn.BCELoss()`是用于二分类任务的损失函数，它可以用于计算二分类问题中的交叉熵损失。下面是一个使用`nn.BCELoss()`的例子：

import torch
import torch.nn as nn

# 定义模型和输入
model = nn.Linear(4, 1)
input = torch.randn(2, 4)

# 定义标签，注意标签必须是float类型
target = torch.tensor([[0.0], [1.0]])

# 定义损失函数
criterion = nn.BCELoss()

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

print(loss)

在这个例子中，我们定义了一个线性模型`model`和一个输入张量`input`，其维度为`(2, 4)`，表示有2个样本，每个样本有4个特征。我们还定义了一个目标张量`target`，其维度为`(2, 1)`，表示有2个样本，每个样本的目标标签是0或1。我们将损失函数定义为`nn.BCELoss()`，并将模型的输出和目标标签作为参数传递给损失函数。最后，我们计算得到的损失值为一个标量。