Pytorch中CrossEntropyLoss计算的是样本损失均值

假设一个三分类任务，单个batch的inputs为[5, 3, 25, 25]，数据为5张25*25的三通道RGB图片，其标签为[1, 0, 0, 2, 1]。那么nn.CrossEntropyLoss计算的是model输出结果中多个样本的loss均值。因此在计算epoch的loss时，要用loss_epoch除以batch个数而不是样本总数。
相比较而言，acc则不同。

那么，accuracy的计算也就是在整个train_loader的for循环中（步数），把每个mini_batch中判断正确的个数累加起来，然后除以样本总数就行了；
而loss的计算有讲究了，首先在这里我们是计算交叉熵，关于交叉熵，也就是涉及到两个值，一个是模型给出的logits，也就是10个类，每个类的概率分布，另一个是样本自身的
label，在Pytorch中，只要把这两个值输进去就能计算交叉熵，用的方法是nn.CrossEntropyLoss，这个方法其实是计算了一个minibatch的均值了，因此累加以后需要除以的步数，也就是minibatch的个数，而不是像accuracy那样是样本个数，这一点非常重要。
摘自嶙羽-关于Pytorch中accuracy和loss的计算
参考：

1. Pytorch详解NLLLoss和CrossEntropyLoss

标签：loss,样本,25,均值,Pytorch,CrossEntropyLoss,计算
来源： https://blog.csdn.net/Andrew_SJ/article/details/110950490