交叉熵损失的计算过程

多分类交叉熵损失函数是用于衡量模型输出与真实标签之间的差异，其计算过程如下：
- 对于每个样本，首先将模型输出通过softmax函数转化为概率分布pi；
- 然后根据真实标签的索引label_index，找到对应的概率pi[label_index]；
- 最后将-ln(pi[label_index])作为该样本的损失值，多个样本的损失值取平均作为整个batch的损失值。

在PyTorch中，可以使用nn.CrossEntropyLoss()函数来计算多分类交叉熵损失，该函数内部已经实现了上述计算过程。