log_softmax
function：torch.nn.functional.log_softmax(x, dim=None)
nn：torch.nn.LogSoftmax(dim=None)
（对于神经网络nn，上式是定义，在feed的时候读入的参数和nn.functional是类似的）
如：
nll_loss
The negative log likelihood loss
function：torch.nn.functional.nll_loss(input, target, weight=None, size_average=True, ignore_index=-100, reduce=None, reduction='elementwise_mean')
nn：torch.nn.NLLLoss(weight=None, size_average=True, ignore_index=-100, reduce=None, reduction='elementwise_mean')
如：
function:
nn:
这里的3是batch_size，5是class_num，target就是标签，[1, 0, 4]代表这个batch里的三个标签
注：log_softmax + nll_loss 就相当于 CrossEntropyLoss
CrossEntropyLoss
一般地，对于分类问题，当model模块计算好每个类别对应的概率后，可以直接接上一个CrossEntropyLoss就行了
如：
注意输入中的target是可以直接用label的index，不用转化为one-hot向量的，nn.CrossEntropyLoss()会自动帮你转化
建议直接参考：
https://pytorch.org/docs/stable/nn.html?highlight=nn%20crossentropy
MSELoss
如：
参考：
https://pytorch.org/docs/master/nn.html
查看更多关于【pytorch教程】的文章
