torch.crossentropyloss

`torch.nn.CrossEntropyLoss` 是一个用于多分类问题的损失函数，通常用于神经网络的最后一层，结合 Softmax 函数使用。它将 Softmax 的输出与标签进行比较，并计算交叉熵损失。它的目标是最小化预测值与真实标签之间的交叉熵损失，从而提高模型的准确率。

具体来说，`CrossEntropyLoss` 的计算公式如下：

$loss(x, class) = -\log(\frac{\exp(x[class])}{\sum_j \exp(x[j])}) = -x[class] + \log(\sum_j \exp(x[j]))$

其中，$x$ 是模型输出的原始值，$class$ 是真实标签的索引。`CrossEntropyLoss` 可以通过 `torch.nn.functional.cross_entropy` 或 `torch.nn.CrossEntropyLoss` 调用。