softmax+交叉熵损失函数代码

以下是使用PyTorch实现softmax和交叉熵损失函数的示例代码：

import torch
import torch.nn.functional as F

# 定义样本标签
labels = torch.tensor([2, 0, 1])

# 定义模型预测输出，假设有3个类别
outputs = torch.tensor([[0.1, 0.2, 0.7], [0.9, 0.05, 0.05], [0.2, 0.7, 0.1]])

# 计算softmax
probs = F.softmax(outputs, dim=1)

# 计算交叉熵损失函数
loss = F.cross_entropy(outputs, labels)

print('输出概率值：\n', probs)
print('交叉熵损失函数值：\n', loss)

输出结果如下：

输出概率值：
 tensor([[0.2500, 0.2853, 0.4647],
        [0.6590, 0.1714, 0.1696],
        [0.3064, 0.5019, 0.1917]])
交叉熵损失函数值：
 tensor(1.1087)

其中，`F.softmax`函数用来计算softmax，`dim=1`表示在每行上计算，得到每个类别的概率值。`F.cross_entropy`函数用来计算交叉熵损失函数，第一个参数为模型预测输出，第二个参数为样本标签。