如何使用nn.CrossEntropyLoss()计算损失？

nn.CrossEntropyLoss()是一个常用的损失函数，用于多分类任务。它将输入的预测结果与真实标签进行比较，并计算出一个标量值作为损失。

使用nn.CrossEntropyLoss()计算损失的步骤如下：
1. 首先，将模型的输出结果和真实标签传入损失函数。假设模型的输出结果为output，真实标签为target。
2. 确保output的形状为(batch_size, num_classes)，其中batch_size是输入样本的数量，num_classes是分类的类别数。
3. 确保target的形状为(batch_size,)，其中batch_size与output的batch_size相同。
4. 创建一个nn.CrossEntropyLoss()的实例loss_fn。
5. 调用loss_fn计算损失，将output和target作为参数传入。损失值将作为返回值返回。

下面是一个示例代码：

import torch
import torch.nn as nn

# 假设output和target已经定义好了
output = torch.randn(10, 5)  # 假设有10个样本，5个类别
target = torch.randint(5, (10,))  # 随机生成10个样本的真实标签

# 创建损失函数实例
loss_fn = nn.CrossEntropyLoss()

# 计算损失
loss = loss_fn(output, target)