PyTorch中的交叉熵损失函数cross_entropy_loss()是用来计算分类问题中的损失函数的，它可以计算出每个样本的损失，并将这些损失值汇总，以获得整体的损失值。
使用方法
cross_entropy_loss()的使用方法如下：
loss = cross_entropy_loss(input, target, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean')
其中：
- input：是一个[N, C]的Tensor，其中N是样本数量，C是分类数量，表示每个样本的概率分布。
- target：是一个[N]的Tensor，表示每个样本的真实标签。
- weight：是一个[C]的Tensor，表示每个类别的权重，当设置为None时，表示所有类别的权重都是1。
- size_average：是一个布尔值，表示是否对损失值进行平均，当设置为True时，表示求每个样本的平均损失，当设置为False时，表示求所有样本的总损失。
- ignore_index：是一个整数，表示忽略的标签，当target中有值与ignore_index相同时，对应的损失值将被忽略。
- reduce：是一个布尔值，表示是否对损失值进行汇总，当设置为True时，表示将每个样本的损失值汇总，当设置为False时，表示不汇总损失值。
- reduction：是一个字符串，用于指定损失值汇总的方式，可以是“mean”或“sum”，分别表示求均值或求和。
cross_entropy_loss()函数的返回值是一个标量，表示损失值。