PyTorch损失函数 torch.nn.CrossEntropyLoss()

1. 交叉熵损失函数，主要是用来判定实际的输出与期望的输出的接近程度。
   一般的交叉熵损失函数的公式为：

   
   其中，p为标签值，q为预测值。

2. torch.nn.CrossEntropyLoss()所用的计算公式是另一个计算公式：
   

3. PyTorch中的torch.nn.CrossEntropyLoss()计算时，主要分为三个步骤：
   1> 对预测变量按行进行softmax操作
   2> 对上述结果进行log(相当于数学里的ln)
   3> 对上述结果进行NLLLoss

4. 验证代码

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

inputs = torch.rand(4, 5)
targets = torch.LongTensor(4).random_(5)
print("inputs:", inputs)
print("targets:", targets)

softmax_func=nn.Softmax(dim=1) # 按行进行softmax
softmax_output = softmax_func(inputs)
print("softmax_output:", softmax_output)

log_softmax_output = torch.log(softmax_output)
print("log_softmax_output:", log_softmax_output)

nllloss_func=nn.NLLLoss() # NLLLoss就是将log_softmax_output的结果与对应label的那个值拿出来，去掉负号，再取均值。
nlloss_output=nllloss_func(log_softmax_output, targets)
print("nllloss_output:", nlloss_output) # （1.1813 + 1.4642 + 1.3136 + 1.1491）/ 4 = 1.27705

crossentropyloss=nn.CrossEntropyLoss()
crossentropyloss_output=crossentropyloss(inputs, targets)
print('crossentropyloss_output:',crossentropyloss_output)