参考的回答：
可知以下两个调用等价：
import torch
import torch.nn.functional as F
x = torch.FloatTensor([[1.,0.,0.],
[0.,1.,0.],
[0.,0.,1.]])
y = torch.LongTensor([0,1,2])
print(torch.nn.functional.cross_entropy(x, y)) # tensor(0.5514)
print(F.nll_loss(F.log_softmax(x, 1), y)) # tensor(0.5514)
并且，以下两个调用是等价的：
print(F.softmax(x, 1).log())
print(F.log_softmax(x, 1))
由此可知，torch的CE loss会先沿着prediciton score矩阵的每一行计算softmax操作，再全部计算log。最后再基于negative likelyhood loss去计算最终的loss。。
因篇幅问题不能全部显示，请点此查看更多更全内容