R: 阿尔法α多样性计算和箱图制作，以及差异分析

在 PyTorch 中，nn.CrossEntropyLoss() 是一个非常常用且功能强大的损失函数，特别适合用于多类分类问题。这个损失函数结合了 nn.LogSoftmax() 和 nn.NLLLoss() (Negative Log Likelihood Loss) 两个操作，从而在一个模块中提供完整的交叉熵损失计算功能。这不仅方便使用，也提高了数值稳定性。

功能说明

nn.CrossEntropyLoss() 计算模型输出和实际标签之间的交叉熵损失。它自动完成了 softmax 概率分布的计算和对数似然损失的计算，这意味着你应该直接将网络的原始输出（logits，即未经 softmax 层处理的输出）作为 CrossEntropyLoss 的输入。

上面这句话非常重要，这就是为什么在用交叉熵损失函数的时候，在模型的输出部分见不到softmax的原因。

参数详解

nn.CrossEntropyLoss 主要有以下几个参数：

• weight (Tensor, optional): 一个手动指定的权重，用于平衡类别间的损失贡献。这在类别不平衡的情况下非常有用。
• size_average (bool, deprecated): 这个参数已经被弃用，用 reduction 参数代替。