torch.nn 中分类损失的标准入口：吃 raw logits，内部融合 log_softmax 与 NLLLoss。本篇只讲 API 约定与工程用法，数学定义与数值例见 交叉熵损失。
输入约定：raw logits，不是概率
这个损失最大的坑不在参数，而在喂进去什么：未经 softmax 的 logits。内部实现等价于 log_softmax + NLLLoss 融合成单个 kernel，借 LogSumExp 保证数值稳定；数学定义已被完全封装，用户侧要锁死的是输入契约——pred 形状 (N, C)，target 形状 (N,) 且为类别索引而非 one-hot（从 Keras 迁来的习惯最容易在这翻车）：
import torch
import torch.nn as nn
logits = torch.randn(4, 3) # (N, C)：raw logits，未归一化
target = torch.tensor([0, 2, 1, 1]) # (N,)：类别索引，不是 one-hot
loss = nn.CrossEntropyLoss()
print(loss(logits, target)) # 标量，默认 reduction='mean'最经典的新手 bug
先手动
softmax再传入。概率被归一化两次，反向传播要连乘两层 softmax 的 Jacobian，梯度被压扁，训练迟滞甚至停滞。网络最后一层 Linear 直接接损失，中间什么都不加。
高维输入与 ignore_index
二维之外，语义分割的输出是 (N, C, H, W)，target 为 (N, H, W) 的逐像素类索引——此时 padding 像素必须剔出损失，否则填充区域会污染梯度。ignore_index 负责这件事，惯例取 -100：
logits = torch.randn(2, 5, 4, 4) # (N, C, H, W)：5 类分割输出
target = torch.randint(0, 5, (2, 4, 4))
target[:, :, -1, :] = -100 # 最后一行标记为 padding
loss = nn.CrossEntropyLoss(ignore_index=-100)
print(loss(logits, target)) # -100 像素不计入损失padding 处理是一套组合拳：输入端 nn.Embedding 用 padding_idx 让填充 token 的向量恒为 0，损失端 ignore_index 把它剔出统计，两端各管一半。
面向真实数据的三个旋钮
默认参数对应均衡的 toy 数据；真实数据带来两个新问题——类别不平衡、one-bit 硬目标——外加工程上的聚合需求，正好对应三个参数。weight 给第 类损失乘 （稀有类 ），是类不平衡的初阶工具；label_smoothing 把目标从 one-hot 软化为 ，抑制过度自信；reduction 三态 mean（默认）/sum/none 决定聚合方式：
loss = nn.CrossEntropyLoss(
weight=torch.tensor([1.0, 8.0, 1.0]), # 第 2 类稀有，损失乘 8
label_smoothing=0.1, # 目标软化，不再非 0 即 1
reduction='none', # 返回 (N,) 逐样本损失
)
per_sample = loss(torch.randn(4, 3), torch.tensor([0, 2, 1, 1]))
print(per_sample.shape) # torch.Size([4])三态里 'none' 是自定义场景的钥匙：加权聚合、OHEM 难例挖掘、跨 batch 的梯度累积，都要先拿到逐样本值再自己算——默认的 'mean' 会直接把这条路封死。
边界：什么时候不该用它
以上所有用法共用一个前提：类别互斥、每样本恰有一个正确答案。前提一塌就换工具——多标签场景（一个样本可同属多类）用 BCEWithLogitsLoss，每维独立 sigmoid、独立算 BCE，与互斥 softmax 是两条路；类不平衡走到深处，weight 的线性加权不够用，自然延伸到难例加权的 focal loss。
落到实践，损失函数 体系里这个模块的契约一句话锁死：输入给 logits、目标给索引、padding 给 -100，旋钮按数据状况加。