torch.nn.CrossEntropyLoss()参数、计算过程、输入输出形状loss中y_pred和y形状不一致

结论

nn.CrossEntropyLoss (y_pred, y_label)的顺序不要搞错

y_pred的形状(N,分类数)，一般为（batch,分类数），如全连接网络输出MINIST手写数字中的（64，10）
y_label在pytorch中允许两种形式的输入：

1. 输入索引，形状为（batch），如MINIST手写数字中的（64）。CrossEntropyLoss会自动处理为one-hot编码进行计算,标签索引须为int类型，即LongTensor




2. 输入标签的one-hot编码，形状为（batch,分类数），如MINIST手写数字中的（64，10）

损失函数输入及输出的Tensor形状

import torch
from torch import nn, optim
loss_func = nn.CrossEntropyLoss()
pre_data = torch.tensor([[0.8, 0.5, 0.2, 0.5],
[0.2, 0.9, 0.3, 0.2],
[0.4, 0.3, 0.7, 0.1],
[0.1, 0.2, 0.4, 0.8]], dtype=torch.