【Pytorch学习笔记】交叉熵损失函数CrossEntropyLoss的案例使用

---

前言

分类问题常用的损失函数为交叉熵（Cross Entropy Loss）。
交叉熵描述了两个概率分布之间的距离，交叉熵越小说明两者之间越接近。
熵是信息量的期望值，它是一个随机变量的确定性的度量。
熵越大，变量的取值越不确定；反之，熵越小，变量取值就越确定。
本文将使用交叉熵损失函数用作一个简单案例，代码仅供参考学习！

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、案例代码

1.引入库

代码如下（示例）：

import torch
import torch.nn as nn
import numpy as np
import math

2.生成网络输出 以及 目标输出

代码如下（示例）：