使用交叉熵（CrossEntropyLoss）做多分类问题最后一层是否使用softmax

最近在一个自己的数据集上做多分类问题，使用的是CrossEntropyLoss作为loss，但是训练效果一直不好。就疯狂找问题，快二十天了，未果。昨天在github上找了一段代码，移植之后。训练居然有效果，在看它的模型时，发现最后一层没有加softmax，手痒就加上去了，网络又没有了学习能力。于是怀疑是不是最后一次softmax的问题。在知乎上找到了一个提问，就是关于这个的，链接如下：
这是个链接
和我这段时间遇到的问题十分的相似，但是我自己的网络还是跑，不知道最后的结果会不会有改善。趁着等网络结果的时间，我谈一谈对这个问题的一些看法。

在pytorch中，交叉熵是NLLloss和log_softmax的结合，pytorch对传入的数据会先进行一次log_softmax，在进行后续的工作。

return nll_loss(log_softmax(input, 1), target, weight, None, ignore_index, None, reduction)

于是我自己写了段验证程序。

import torch
import torch.nn as nn

a = torch.tensor([[1,3,4,1,0.9,3]],dtype=torch.float32)
target = torch.tensor([3])
cre = nn.CrossEntropyLoss(