我正在跟随书中的一个示例。该示例定义了 nn.NLLLoss() 函数，其输入让我感到困惑。
我的模型的最后一步是 nn.LogSoftmax，它为我提供了如下张量输出（我正在尝试对单个图像进行示例）：
tensor([[-0.7909, -0.6041]], grad_fn=<LogSoftmaxBackward>) 该张量包含图像是鸟还是飞机的概率。示例中定义了 0 代表鸟，1 代表飞机。
现在，在定义损失函数时，示例将上述张量和图像的正确标签作为输入传递，如下所示：
loss = nn.NLLLoss()loss( out, torch.tensor([0])) #0 因为图像是鸟我不明白为什么我们要传递图像的标签。我的猜测是，标签指定了模型在计算损失时应考虑的概率索引。然而，如果真是这样，为什么我们需要将标签作为张量传递，我们可以直接将标签作为索引传递给 out 张量，如下所示：
loss( out[0, 0] ) # [0, 0] 因为 out 是一个二维张量回答：
这正是 nn.NLLLoss 的作用…实际上这是它唯一做的！它的目的是使用真实标签索引预测张量，并返回该值的负数。
设 y_hat 为预测张量，y 为目标张量，则 nn.NLLLoss 执行以下操作：
>>> -y_hat[torch.arange(len(y_hat)), y]在您的示例中，简化为 -y_hat[0, 0]，因为该特定实例的标签为 0。
您可以阅读有关 nn.NLLLoss 的相关帖子：
