交叉熵损失函数CrossEntropyLoss

交叉熵损失函数（Cross Entropy Loss）是深度学习中常用的一种损失函数，通常用于多分类问题中。它的本质是衡量模型输出结果与真实标签之间的差异。

在深度学习中，我们通常使用softmax函数将模型的输出值映射为概率分布，交叉熵损失函数则基于这个概率分布计算预测值与真实值之间的差异。具体地，交叉熵损失函数可以表示为：

L = -∑ y_i * log(p_i)

其中，y_i 表示第 i 个类别的真实标签值，p_i 表示第 i 个类别的预测概率值。交叉熵损失函数的目标是最小化预测值与真实值之间的差异，因此当预测值与真实值越接近时，交叉熵损失函数的值越小。