解释torch.nn.CrossEntropyLoss()

torch.nn.CrossEntropyLoss()是PyTorch中的一个损失函数，通常用于多分类问题。它将softmax函数和负对数似然损失结合在一起，可以直接用于多分类问题的训练中。具体来说，它的输入是一个二维的张量，其中每一行代表一个样本，每一列代表一个类别，每个元素的值代表该样本属于该类别的概率。该函数会自动将输入进行softmax操作，然后计算每个样本的负对数似然损失，并返回所有样本的平均损失。

下面是一个简单的例子，展示如何使用CrossEntropyLoss函数：

import torch
import torch.nn as nn

# 假设有3个样本，每个样本有5个类别
input = torch.randn(3, 5)
target = torch.tensor([1, 0, 4])  # 三个样本的真实标签分别为1、0、4

criterion = nn.CrossEntropyLoss()
loss = criterion(input, target)

print(loss)

在这个例子中，我们首先生成了一个3x5的随机张量作为模型的输出，然后手动指定了三个样本的真实标签。接着，我们创建了一个CrossEntropyLoss对象，并将模型输出和真实标签作为输入传递给该对象。最后，我们得到了所有样本的平均损失，并将其打印出来。