1. Entropy
Entropy中文是熵的意思，它代表一种不确定性，不确定性越高惊喜度也就越高。
如上图，假设熵代表中奖概率，当熵为2 的中奖概率为1/4没什么惊喜，当熵为1.3568时，中奖概率就比较低了，惊喜度就比较高了，而当熵为0.0313时，中奖概率已经很低很低了，这时惊喜度就很高了。
2. 交叉熵
交叉熵计算公式分为两个部分，H§熵和DKL（KL Devergence散度），当p和q的分布相同时，DKL=0，此时H(p,q) = H§
当使用one-hot编码时，H§=0，此时H(p,q) = DKL(p|q)
3. 二分类
交叉熵计算公式
使用交叉熵计算loss的一个实例：
从图中可以看出通过交叉熵计算loss梯度下降还是比较快的。
4. 为什么分类问题使用交叉熵
因为使用交叉熵梯度下降比较快，从上图的曲线也可以看出，刚开始的时候loss比较大，使用交叉熵后，loss很快就降下来了。
而当使用交叉熵梯度不下降的时候，可以尝试MSE。
5. 代码示例
F.cross_entropy = softmax + log + nll_loss
图中1：logits不能是经过softmat和log的，因为F.cross_entropy 中已经包括两个操作。
图中2：要经过softmax和log两个操作
F.nll_loss是将softmax、log操作分离计算loss的操作。
