交叉熵cross-entropy loss

最大化似然函数，最小化负的似然对数函数

最终的交叉熵损失函数，最小化该loss：

nn.BCELoss

def criterion(yhat, y):
    out = -1 * torch.mean(y*torch.log(yhat) + (1-y) * torch.log(1-yhat))
    return out

softmax