categorical_crossentropy 介绍这个公式

Categorical cross-entropy是机器学习中的一种损失函数，用于多分类任务。它基于交叉熵的概念，将模型预测的类别概率分布与真实标签的独热编码进行比较，计算它们之间的距离。具体来说，categorical cross-entropy的公式为：

- L = -∑ y_i * log(p_i)

其中，y_i是真实标签的独热编码，p_i是模型预测的类别概率分布中第i个元素的值。

该损失函数可以用来训练分类模型，帮助模型逐渐优化输出的概率分布，最终使得预测结果更加准确。