定义损失函数 —— cross_entropy

交叉熵损失函数

交叉熵采用真实标签的预测概率的负对数似然。

# 进一步实现 交叉熵损失函数 -log(预测概率)
def cross_entropy(y_hat,y):
    return -torch.log(y_hat[range(len(y_hat)),y])

# y_hat[len(range(y_hat)),y] ，这么复杂只是为了取出预测概率
# y_hat 是每个样本的 对应标签值 ，可以说是 256*10
# len(range(y_hat)) ，将 它转为列表 ，取出行数 256行； y 存储的是正确的标签分类

本来就是找 正确的标签对应的概率

这里不是 argmax，不是找一行中最大的那个概率

而是找正确的，就是你本来正确标签，的预测概率