pytorch-CroosEntropyLoss使用详解（多维）

1.分类问题（input二维）

分类问题输入是每一个batch的各个类别预测概率。input, target, output形状如下：
input：（batch_size, class_num）
target：（batch_size）
output：（batch_size）

示例：

>>> loss = nn.CrossEntropyLoss()
>>> input = torch.randn(3, 5, requires_grad=True)
>>> target = torch.empty(3, dtype=torch.long).random_(5)
>>> output = loss(input, target)
>>> output.backward()

2.图像分割问题（input多维）

图像分割等问题输入是一张图像。input, target, output形状如下：
input：（batch_size, C, W, H）
target：（batch_size, W, H）
output：（batch_size, W, H）

示例：

>>> loss = nn.CrossEntropyLoss()
>>> input = torch.randn(3, 5, 6, 6, requires_grad=True)
>>> target = torch.empty(3, 6, 6, dtype=torch.long).random_(2)
>>> output = loss(input, target)
>>> output.backward()