【损失函数】NLLLoss损失、CrossEntropy_Loss交叉熵损失以及Label Smoothing示例与代码
机缘巧合下，近期又详细学习了一遍各损失函数的计算，特此记录以便后续回顾。 为了公式表示更加清晰，我们设yn∈{1,2,…,K}{{y_n}\in\{1,2,\ldots,K\}}yn∈{1,2,…,K}为样本n{n}n的真实标签，v=(v1,v2,…vK){v=({v_1},{v_2},\ldots{v_K})}v=(v1,v2,…vK)为网络的输出，即样本n{n}n的预测结果，设N{N}N