交叉熵损失函数（Cross-Entropy Loss）

交叉熵损失函数（Cross-Entropy Loss）是在深度学习中常用的损失函数之一，它适用于分类问题。交叉熵损失函数的作用是衡量预测结果与真实标签之间的差距，从而用于模型的优化。

越接近真实标签，损失越小。在交叉熵损失函数中，损失值越接近0，表示模型的预测越接近真实标签。
例如：-1和-100。-1更接近0所以它比-100更接近真实标签。