cross entropy交叉熵损失函数只计算正确类别的损失，不计算错误类别

import torch.nn.functional as F
import torch
input = torch.randn((3,2),requires_grad=True)
target = torch.tensor([0,1,1]).long()
loss = F.cross_entropy(input, target)
'''
https://en.wikipedia.org/wiki/Cross_entropy

假设所要处理的是二分类问题，则使用cross entropy loss
pytorch中的cross entropy函数在实现的时候：
是将F.log_softmax函数和nll_loss(non negative likelihood)函数的功能一起打包在F.cross_entropy中
计算交叉熵损失函数的时候，注意只会计算正确类别的损失值，并不包含错误类别
cross_entropy(x_i)=-log(P(correct))
'''

probability=F.softmax(input,dim=1)
loss2=-torch.log(probability[0,0])-torch.log(probability[1,1])-torch.log(probability[2,1])
loss2/=3
print(loss,loss2)
# tensor(1.2381, grad_fn=<NllLossBackward>) tensor(1.2381, grad_fn=<DivBackward0>)