pytorch CrossEntropyLoss

多分类用的交叉熵损失函数，用这个 loss 前面不需要加 Softmax 层。

这里损害函数的计算，按理说应该也是原始交叉熵公式的形式，但是这里限制了 target 类型为 torch.LongTensr，而且不是多标签意味着标签是 one-hot 编码的形式，即只有一个位置是 1，其他位置都是 0，那么带入交叉熵公式中化简后就成了下面的简化形式。

loss(x,label)=−wlabellogexlabel∑Nj=1exj=wlabel[−xlabel+log∑j=1Nexj]

这里的 x∈ℝN，是没有经过 Softmax 的激活值，N 是 x 的维度大小（或者叫特征维度）；label∈[0,C−1]是标量，是对应的标签，可以看到两者维度是不一样的。C 是要分类的个数。w∈ℝC是维度为 C的向量，表示标签的权重，样本少的类别，可以考虑把权重设置大一点。