首先说起交叉熵，脑子里就会出现这个东西：
L = − [ y log ⁡ y ^ + ( 1 − y ) log ⁡ ( 1 − y ^ ) ] L=-[y\log{\hat{y}}+(1-y)\log{(1-\hat{y})}] L=−[ylogy^​+(1−y)log(1−y^​)]
随后我们脑子里可能还会出现Sigmoid()这个函数:
g ( s ) = 1 1 + e − s {g(s)}=\frac{1}{1+e^{-s}} g(s)=1+e−s1​
pytorch中的CrossEntropyLoss()函数实际就是先把输出结果进行sigmoid，随后再放到传统的交叉熵函数中，就会得到结果。
那我们就先从sigmoid开始说起，我们知道sigmoid的作用其实是把前一层的输入映射到0~1这个区间上，可以认为上一层某个样本的输入数据越大，就代表这个样本标签属于1的概率就越大，反之，上一层某样本的输入数据越小，这个样本标签属于0的概率就越大，而且通过sigmoid函数的图像我们可以看出来，随着输入数值的增大，其对概率增大的作用效果是逐渐减弱的，反之同理，这就是非线性映射的一个好处，让模型对处于中间范围的输入数据更敏感。下面是sigmoid函数图：

既然经过sigmoid之后的数据能表示样本所属某个标签的概率，那么举个例子，我们模型预测某个样本标签为1的概率是：
y ^ = P ( y = 1 ∣ x ) \hat{y}=P(y=1|x) y^​=P(y=1∣x)
那么自然的，这个样本标签不为1的概率是：
1 − y ^ = P ( y = 0 ∣ x ) 1-\hat{y}=P(y=0|x) 1−y^​=P(y=0∣x)
从极大似然的角度来说就是：
P ( y ∣ x ) = y ^ y ( 1 − y ^ ) 1 − y P(y|x)=\hat{y}^{y}(1-\hat{y})^{1-y} P(y∣x)=y^​y(1−y^​)1−y

上式可以理解为，某一个样本x，我们通过模型预测出其属于样本标签为y的概率，因为y是我们给的正确结果，所以我们当然希望上式越大越好。

下一步我们要在P(y|x) 的外面套上一层log函数，相当于进行了一次非线性的映射。log函数是不会改变单调性的，所以我们也希望log(P(y|x)) 越大越好。
log ⁡ ( P ( y ∣ x ) ) = log ⁡ ( y ^ y ( 1 − y ^ ) 1 − y ) = y log ⁡ y ^ + ( 1 − y ) log ⁡ ( 1 − y ^ ) \log{(P(y|x))}=\log{(\hat{y}^{y}(1-\hat{y})^{1-y})}=y\log{\hat{y}}+(1-y)\log{(1-\hat{y})} log(P(y∣x))=log(y^​y(1−y^​)1−y)=ylogy^​+(1−y)log(1−y^​)
这样，就得到了我们一开始说的交叉熵的形式了，但是等一等，好像还差一个符号。

因为一般来说我们相用上述公式做loss函数来使用，所以我们想要loss越小越好，这样符合我们的直观理解，所以我们只要**-log(P(y|x))** 就达到了我们的目的。
L = − [ y log ⁡ y ^ + ( 1 − y ) log ⁡ ( 1 − y ^ ) ] L=-[y\log{\hat{y}}+(1-y)\log{(1-\hat{y})}] L=−[ylogy^​+(1−y)log(1−y^​)]
上面是二分类问题的交叉熵，如果是有多分类，就对每个标签类别下的可能概率分别求相应的负log对数然后求和就好了：
L = − ∑ i = 1 n y ( i ) log ⁡ y ^ ( i ) L=-\sum_{i=1}^n y^{(i)}\log{\hat{y}^{(i)}} L=−i=1∑n​y(i)logy^​(i)
是不是突然也感觉有些理解了，(^__) ……

上面是对交叉熵进行了推导，下面要结合pytorch中的函数 CrossEntropyLoss() 来说一说具体怎么使用了。

举个小例子，假设我们有个一样本，他经过我们的神经网络后会输出一个5维的向量，分别代表这个样本分别属于这5种标签的数值（注意此时我们的5个数求和还并不等于1，需要先经过softmax处理，下面会说），我们还会从数据集中得到该样本的正确分类结果，下面我们要把经过神经网络的5维向量和正确的分类结果放到CrossEntropyLoss() 中，看看会发生什么：

import torch
import torch.nn as nn
import math
loss = nn.CrossEntropyLoss()
input = torch.randn(1,5,requires_grad=True)
target = torch.empty(1,dtype=torch.long).random_(5)
output = loss(input,target)

print("输入为5类：")
print(input)
print("要计算的loss的类别：")
print(target)
print("要计算的loss的结果：")
print(output)

first = 0
for i in range(1):
	first -= input[i][target[i]]
second = 0
for i in range(1):
	for i in range(5):
		second += math.exp(input[i][j])
res = 0
res += first + printmath.log(second)
print("手动的计算结果")
print(res)

看一看我们的input和target：

可以看到我们的target就是一个只有一个数的数组形式（不是向量，不是矩阵，只是一个简单的数组，而且里面就一个数），input是一个5维的向量，但这，在计算交叉熵之前，我们需要先获得下面交叉熵公式的 y ^ ( i ) \hat{y}^{(i)} y^​(i).
L = − ∑ i = 1 n y ( i ) log ⁡ y ^ ( i ) L=-\sum_{i=1}^n y^{(i)}\log{\hat{y}^{(i)}} L=−i=1∑n​y(i)logy^​(i)
此处的 y ^ ( i ) \hat{y}^{(i)} y^​(i)需要我们将输入的input向量进行softmax处理，使得input变成对应属于每个标签的概率值，对每个input[i] 进行如下处理：
y ^ = P ( y ^ = i ∣ x ) = e i n p u t [ i ] ∑ j = 0 n e i n p u t [ j ] \hat{y}=P(\hat{y}=i|x)=\frac{e^{input[i]}}{ \sum_{j=0}^ne^{input[j]} } y^​=P(y^​=i∣x)=∑j=0n​einput[j]einput[i]​

这样我们就得到了交叉熵公式中 y ^ ( i ) \hat{y}^{(i)} y^​(i)

随后我们就可以把 y ^ ( i ) \hat{y}^{(i)} y^​(i)带入公式了，下面我们还缺 y ( i ) y^{(i)} y(i)就可以了，而奇怪的是我们输入的target是一个只有一个数的数组啊，而 y ^ ( i ) \hat{y}^{(i)} y^​(i)是一个5维的向量，这什么情况？

原来CrossEntropyLoss() 会把target变成ont-hot形式（网上别人说的，想等有时间去看看函数的源代码随后补充一下这里），我们现在例子的样本标签是【4】（从0开始计算）。那么转换成one-hot编码就是【0，0，0，0，1】，所以我们的 y ( i ) y^{(i)} y(i)最后也会变成一个5维的向量的向量，并且不是该样本标签的数值为0，这样我们在计算交叉熵的时候只计算 y ( i ) y^{(i)} y(i)给定的那一项的sorce就好了，所以我们的公式最后变成了：
L ( i n p u t , t a r g e t ) = − log ⁡ e i n p u t [ t a r g e t ] ∑ j = 0 n e i n p u t [ j ] = − i n p u t [ t a r g e t ] + log ⁡ ( ∑ j = 0 n e i n p u t [ j ] ) L(input,target)=-\log{\frac{e^{input[target]}}{ \sum_{j=0}^ne^{input[j]} }}=-input[target]+\log{(\sum_{j=0}^ne^{input[j]})} L(input,target)=−log∑j=0n​einput[j]einput[target]​=−input[target]+log(j=0∑n​einput[j])

好，安装上面我们的推导来运行一下程序：

破发科特~~~~~~
开学快乐(^__) ……