默认情况下，PyTorch的cross_entropy将logits（模型的原始输出）作为输入。我知道CrossEntropyLoss将LogSoftmax（log（softmax（x）））和NLLLoss（负对数似然损失）组合在一个类中。所以，我想我可以使用NLLLoss从概率中获得交叉熵损失，如下所示：

真实标签：[1,0,1]
概率：[0.1,0.9]，[0.9,0.1]，[0.2,0.8]

其中，y_i，j表示真值，即如果样本i属于类j，则为1，否则为0。p_i，j表示样本i属于类j的模型预测的概率。

如果我用手计算，结果是：

>>> -(math.log(0.9) + math.log(0.9) + math.log(0.8))
0.4338

使用PyTorch：

>>> labels = torch.tensor([1, 0, 1], dtype=torch.long)
>>> probs = torch.tensor([[0.1, 0.9], [0.9, 0.1], [0.2, 0.8]], dtype=torch.float)
>>> F.nll_loss(torch.log(probs), labels)
tensor(0.1446)

我做错了什么？为什么答案不同？