1.函數原型：loss_func = nn.CrossEntropyLoss()
? ? ? ? ? ? ? ? ? ? ?loss = loss_func(pre_label, label)

2.值得注意的點，這里的label不需要賦值one-hot編碼類型，因為函數內部會自動將label變換為one-hot類型，如果這里賦值為one-hot編碼，則會產生類似如下報錯：
①：RuntimeError: multi-target not supported at /opt/conda/conda-bld/pytorch_1549635019666/work/aten/src
解決辦法：使用數值標簽，而非one-hot編碼

②：expected type torch.cuda.DoubleTensor but got torch.cuda.FloatTensor
解決辦法：針對這樣的錯誤，我們之前提到過，基本原因就是函數所需要的參數類型和我們賦值類型不同，這里介紹一種改變torch中tensor的類型的函數：

data = data.type(torch.FloatTensor)
data = data.type(torch.LongTensor)
data = data.type(torch.FloatTensor)

總結

以上是生活随笔為你收集整理的pytorch 之 有关交叉熵函数使用的几点说明的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。