pytorch交叉熵损失函数的输入

PyTorch中交叉熵损失函数的输入通常有两个：
1. 模型的输出：这是一个浮点数张量，代表模型在每个类别上的预测概率。通常使用softmax函数将模型的原始输出转换为概率分布。
2. 目标标签：这是一个整数张量，代表每个样本的真实类别。通常使用one-hot编码或者直接使用类别索引来表示。

例如，如果有一个包含N个样本的mini-batch，模型输出的形状为(N, C)，其中C是类别的数量。目标标签的形状为(N,)，即一个一维张量。在计算交叉熵损失时，PyTorch会自动将目标标签转换为one-hot编码。

你可以使用`torch.nn.CrossEntropyLoss()`来定义交叉熵损失函数，并将模型的输出和目标标签作为参数传递给该函数进行计算。