torch的多分类交叉熵损失函数如何调用

在 PyTorch 中，多分类交叉熵损失函数可以使用 `torch.nn.CrossEntropyLoss()` 来调用，使用方法如下：

import torch.nn as nn

# 定义模型
model = nn.Sequential(
    nn.Linear(10, 5),
    nn.ReLU(),
    nn.Linear(5, 2),
    nn.Softmax(dim=1)
)

# 定义损失函数
loss_fn = nn.CrossEntropyLoss()

# 计算损失
input = torch.randn(3, 10)
target = torch.tensor([1, 0, 1])
output = model(input)
loss = loss_fn(output, target)

# 反向传播
loss.backward()

其中，`torch.nn.CrossEntropyLoss()` 函数的输入参数包括模型输出 `output` 和真实标签 `target`。在计算损失时，该函数会自动将 `output` 应用 softmax 函数，并计算交叉熵损失。

需要注意的是，对于多分类问题，模型的最后一层需要使用 softmax 函数将输出转换为概率分布。在本例中，我们在模型的最后一层使用了 `nn.Softmax(dim=1)` 函数。在计算损失时，我们将 `output` 和 `target` 作为输入传递给了 `nn.CrossEntropyLoss()` 函数。